Principes fondamentaux de AI et ML en Python

Dans ce cours, nous apprendrons les aspects les plus importants de l'Intelligence Artificielle (AI) et plus spécifiquement de l'Apprentissage Automatique (ML). Nous commencerons par examiner les différents problèmes qui peuvent être résolus grâce à ML et nous verrons quand et pourquoi utiliser ML. Ensuite, nous nous intéresserons au fonctionnement interne de ML.

Ce cours vous permettra d'aborder les principes fondamentaux de AI et de ML. Nous mettrons ces connaissances en pratique en construisant (et en utilisant) nos propres modèles ML en Python avec Scikit-learn, une bibliothèque Python populaire pour ML.

Calendrier

Il n'y a pas de sessions publiques à ce moment. Nous organisons volontiers un cours en entreprise ou une session publique supplémentaire (en cas d'un nombre suffisant de participants). Intéressé? Contactez-nous.

Participants

Toute personne souhaitant utiliser l'apprentissage automatique pour résoudre des problèmes concrets.

Connaissances préalables

Une bonne connaissance du langage de programmation Python est un prérequis.

Contenu

  • Concepts et techniques de base de AI et de ML
  • Supervised learning versus unsupervised learning
  • Training & testing data; cross-validation
  • Accuracy; confusion matrix
  • Underfitting versus overfitting; the bias-variance tradeoff; validation curves
  • Regularization
  • Les différents modèles à former avec ML:
  • Linear & polynomial regression; Ridge regression
  • Logistic regression & Classification
  • Clustering: K-means & hierarchical clustering
  • Anomaly detection
  • Dimensionality reduction: PCA & LDA
  • Decision trees & random forests
  • A short introduction into neural networks and deep learning
  • Construire, valider et utiliser des modèles ML avec Scikit-learn

Pédagogie

Enseignement en classe, axé sur des exemples pratiques et soutenu par des exercices approfondis et une pratique individuelle.

Durée

3 jours.

Formateur

Peter Vanroose.

Reviews

4.0/5 (basé sur 18 évaluations; les plus récentes sont montrées ci-dessous)

I enjoyed the course it provided a very good introduction into the different aspects of ML

 
  (, )

Excellent trainer with in-depth knowledge and excellent interpersonal skills. Course did holistic coverage of ML life cycle, that was great.

 
  (, )

the explanation of the course is clear and exercise is good and handable

 
  (, )

Peter is an amazing instructor. Course is awesome.

 
  (, )

Coherent, focused, hands on

 
  (, )

Aussi intéressant

Participants de ce cours ont aussi suivi les formations suivantes:


INFO SESSION ET INSCRIPTION