Donnez à vos équipes Data les méthodes pour concevoir des modèles prédictifs fiables, tout en garantissant à votre direction des décisions étayées par des résultats mesurables et explicables.
En poste dans les entreprises les plus innovantes du marché, nos experts partagent leurs méthodes, leurs réussites comme leurs échecs, avec des retours d'expérience concrets sur le déploiement de modèles de Machine Learning en production et l'intégration de l'IA générative.
Adrien Morvan
Data Science Manager
Marie Crappe
Head of AI & Finance Officer
Bettina Hermant
Senior Machine Learning Engineer
Partie 1 - Concepts clés de la data science & du machine learning
Fondamentaux et préparation des données
Découvrir le processus complet, de la collecte des données à l'interprétation des résultats
Explorer les types d'apprentissage automatique (supervisé, non supervisé, par renforcement)
Maîtriser les techniques essentielles pour nettoyer et prétraiter les données
Évaluation et premiers modèles
Comprendre les principales métriques pour mesurer la performance des modèles (précision, rappel, F1-score)
Accélérer son développement avec des copilotes de code IA (GitHub Copilot, Cursor)
Partager les résultats et les défis rencontrés lors de la préparation des données
[ATELIER]
Atelier pratique en groupe
Les participants travaillent sur un jeu de données réel pour réaliser une analyse exploratoire et préparer les données pour le Machine Learning.
Partie 2 - Modèles d'IA générative, deep learning & mise en production
Modèles avancés et IA générative
Déployer des modèles en production et interpréter leurs résultats
Identifier les biais, assurer l'explicabilité et mettre en place un monitoring des modèles
Construire une feuille de route de déploiement validée par la direction Data
Déploiement et gouvernance des modèles
Techniques pour déployer des modèles en production et interpréter leurs résultats, y compris pour l’IA générative
Discussion sur les résultats du modèle et exploration des pistes d’amélioration
[ATELIER]
Atelier pratique en groupe
Chaque participant conçoit et entraîne son propre "Modèle Prédictif Métier" avec scikit-learn, à partir de ses propres données, prêt à être intégré à son processus de décision.
Pourquoi On train plutôt qu'un autre type de formation ?
Comment sélectionnez-vous vos trainers ?
Quelles sont les options de financement pour les formations ?
Quelle est la méthode pédagogique d'On train ?
Formation Data Science & Machine Learning
4,8
/5 sur
658
sessions
Concevez des modèles prédictifs fiables, de la préparation des données au deep learning et à l'IA générative, et générez de la valeur par la donnée. Ateliers 100% pratiques pour vos équipes Data et Métiers analytiques. Formation certifiée Qualiopi & finançable OPCO.
Contactez-nous
Apprenez auprès des meilleurs experts de métier, leaders en poste
Formation sur-mesure en fonction de vos objectifs spécifiques
Pratiquez sur des cas réels tirés de votre secteur et de votre industrie
Format custom individuel/workshops/collectif en présentiel/distanciel
