Aller au contenu principal
  • ACN_ATLAS
  • Cours pratique
  • Informatique

Formation AutoML avec H2O.ai

Automatiser la création, la comparaison et le déploiement de modèles de Machine Learning avec H2O.ai

Demander un devis
Une formatrice accompagne deux participants penchés sur leurs notes, en salle de formation
Durée
2 jours
Niveau
Fondamental
Modalités
Présentiel / Distanciel

Description de la formation AutoML H2O.ai

La conception d'un modèle de machine learning performant suppose de tester de nombreux algorithmes, de régler leurs hyperparamètres et de comparer rigoureusement les résultats — un travail long et répétitif. L'AutoML (Automated Machine Learning) automatise ces étapes pour produire rapidement des modèles de qualité et permettre au praticien de se concentrer sur la compréhension du problème et l'interprétation des résultats.

H2O.ai est l'une des plateformes de référence de l'AutoML. Open source, distribuée et accessible depuis Python comme R, elle entraîne et compare automatiquement de multiples modèles (modèles linéaires, forêts aléatoires, gradient boosting, deep learning, ensembles empilés) et les classe dans un leaderboard pour faciliter la sélection du meilleur.

Cette formation rend les participants capables de créer des modèles automatisés, de comparer leurs performances et de déployer les modèles H2O.ai en production. L'approche par la pratique, structurée autour d'ateliers progressifs sur des jeux de données réels, permet de lancer un premier run d'AutoML dès le premier jour, puis d'aborder en confiance l'interprétabilité des modèles et leur industrialisation via les formats MOJO et POJO.

Atelier en salle : une participante présente des notes au tableau

Objectifs pédagogiques

À l'issue de cette formation AutoML avec H2O.ai, vous aurez acquis les connaissances nécessaires pour :

  • Créer des modèles ML automatisés.
  • Comparer les performances des modèles.
  • Déployer des modèles H2O.ai.

Objectifs opérationnels

Savoir automatiser la création de modèles Machine Learning.

Programme

Contenu du cours, module par module

8 modules

Programme mis à jour le 22/05/2026

Formations liées