Devenez opérationnel

Introduction au Machine Learning avec Scikit-learn

Ce module permet aux participants de s’initier de manière opérationnelle au Machine Learning avec la bibliothèque Python Scikit-learn. Il s’adresse à des professionnels disposant de bases en Python et en statistiques, souhaitant comprendre les principes fondamentaux du Machine Learning et apprendre à construire leurs premiers modèles prédictifs. La formation couvre l’ensemble du processus de modélisation : préparation des données, choix d’un algorithme, entraînement d’un modèle, évaluation des performances, comparaison de plusieurs approches et interprétation des résultats.L’approche pédagogique privilégie la pratique. Les participants manipulent des jeux de données, construisent des modèles supervisés et non supervisés, évaluent leurs performances et apprennent à identifier les limites d’un modèle.

Objectifs de la formation

Construire des modèles supervisés et non supervisés.
Évaluer et comparer les modèles.
Préparer les données pour le ML.

Public

Débutants en ML, data scientists juniors

Prérequis

Connaissances en Python et statistiques de base

Contenu de la formation

Comprendre les principes du Machine Learning

Comprendre les principes fondamentaux du Machine Learning.
Identifier les principales familles d’apprentissage.
Situer Scikit-learn dans l’écosystème Python data.

Préparer les données pour le Machine Learning

Comprendre le rôle central de la préparation des données.
Nettoyer et transformer un jeu de données.
Préparer les variables pour l’entraînement d’un modèle.

Construire un premier modèle supervisé

Construire un premier modèle de classification ou de régression.
Comprendre les étapes d’entraînement et de prédiction.
Interpréter les premiers résultats obtenus.

Évaluer et comparer les modèles supervisés

Choisir les métriques adaptées au type de problème.
Évaluer la performance d’un modèle.
Comparer plusieurs modèles de manière structurée.

Construire un modèle non supervisé

Comprendre les principes de l’apprentissage non supervisé.
Construire un modèle de clustering.
Interpréter les résultats d’une segmentation.

Structurer un workflow Machine Learning avec Scikit-learn

Structurer les différentes étapes d’un projet ML.
Utiliser les pipelines Scikit-learn.
Réduire les risques d’erreur et améliorer la reproductibilité.

Cas pratique de synthèse

Mobiliser les acquis de la formation.
Construire un modèle ML simple de bout en bout.
Présenter les choix réalisés et les résultats obtenus.

Equipe pédagogique

Le formateur mobilisé pour ce module dispose d’une expertise confirmée en data science, Machine Learning avec Python et utilisation de Scikit-learn.

Référent pédagogique et technique
Haciba, responsable pédagogique, est à votre disposition pour toute question relative au contenu, aux objectifs ou à l’organisation de la formation. Vous pouvez la joindre par téléphone au 01 53 90 15 20 ou par mail : esic(@)esic-online.com. Nous encourageons les apprenants à prendre contact pour toute précision ou pour discuter d’éventuels besoins spécifiques liés à leur parcours.

Suivi de l'exécution et évaluation des résultats

Dispositions spécifiques à cette formation

Questions de validation sur les étapes d’un projet ML.
Vérification du modèle construit par les participants.
Le cas pratique de synthèse permet de vérifier la capacité du participant à préparer des données, construire un modèle supervisé ou non supervisé, évaluer les performances obtenues et interpréter les résultats.
Questions de positionnement
Exercices pratiques guidés
Questions flash ou quiz court
Cas pratique de synthèse
Auto-évaluation et retour formateur

Dispositions relatives à l’ensemble des formations

Nous mettons en place un suivi rigoureux et une évaluation complète des résultats pour garantir la qualité et l’efficacité de nos formations.

Avant la formation:
- Entretien individuel ou questionnaire de positionnement: Permet d’analyser les besoins spécifiques des participants et d’ajuster les contenus pédagogiques en conséquence.
Pendant la formation:
- Exercices pratiques et mises en situation: Ces activités sont intégrées tout au long de la formation pour valider les acquis en temps réel.
- Feuilles de présence: Chaque participant émarge une feuille de présence par demi-journée, également signée par le formateur, assurant le suivi administratif.
Après la formation:
- Questionnaire de satisfaction à chaud: Administré immédiatement après la formation pour recueillir un retour sur la qualité des contenus et de l’animation.
- Questionnaire de satisfaction à froid: Envoyé trois mois après la formation pour évaluer l’impact réel sur les pratiques professionnelles.
- Questionnaire d’auto-évaluation possible: Permet aux participants de mesurer leurs progrès à l’issue de la formation.
- Certification(optionnelle) : Passage de la certification en conditions d’examen ou via télésurveillance, selon le dispositif retenu.
- Certificat de réalisation: Remis à l’issue de la formation, attestant de la participation effective des apprenants.

Nous veillons à accompagner les participants avant, pendant et après la formation pour maximiser leur progression et mesurer les retombées concrètes dans leur environnement professionnel.

Ressources techniques et pédagogiques

support pédagogique numérique
environnement Python configuré pour les travaux pratiques
notebooks ou scripts d’exercices
jeux de données d’entraînement
exemples de modèles Scikit-learn
exemples de pipelines de préparation et de modélisation
fiches de synthèse sur les principales métriques d’évaluation
corrigés ou éléments de correction
ressources complémentaires pour approfondissement
le support pédagogique du module
les jeux de données utilisés pendant la formation
les notebooks ou scripts de démonstration
les exercices pratiques
les éléments de correction
une fiche mémo sur les principales familles de modèles
une fiche de synthèse sur les métriques d’évaluation
des exemples de pipelines Scikit-learn
une bibliographie ou sitographie indicative pour approfondissement

Accessibilité

Nous accordons une attention particulière à l’accueil des personnes en situation de handicap. Si vous êtes concerné(e) et souhaitez suivre cette formation, nous vous invitons à nous contacter dès que possible. Ensemble, nous étudierons vos besoins spécifiques et mettrons en place les adaptations nécessaires pour garantir votre accès à la formation dans les meilleures conditions.

Délai d'accès

L’inscription à cette formation est possible dans un délai de 2 semaines avant le début de la session. Ce délai permet de finaliser les démarches administratives, de confirmer la prise en charge éventuelle des frais de formation et d’assurer une préparation optimale des participants.

Pour toute demande spécifique ou situation particulière, nous vous invitons à nous contacter afin d’étudier ensemble les possibilités d’adaptation.

Prérequis technique

Pour suivre cette formation dans de bonnes conditions, les moyens techniques suivants sont requis :

En présentiel:
- Tableau blanc ou paperboard, et un vidéoprojecteur pour les présentations.
- Outils pour le partage de documents avec les formateurs et autres participants.
À distance:
- Un logiciel de visioconférencecompatible (Teams, Zoom ou équivalent) pour participer aux sessions en ligne.
- Possibilité de partage d’écran entre le formateur et les participants.
- Accès à une plateforme pour le partage des documents pédagogiques et supports de formation.
- Connexion internet haut débit pour garantir une expérience fluide et interactive.

Nous vous recommandons de vérifier la disponibilité et la fonctionnalité de ces moyens techniques avant le début de la formation. En cas de difficulté, n’hésitez pas à nous contacter pour trouver une solution adaptée.