- Cours pratique
- Informatique
Formation Machine Learning avec Python
Cloud, IA, Scikit-Learn, SVM, Bayes, clustering, Azure Machine Learning

- Durée
- 4 jours
- Niveau
- Intermédiaire
- Modalités
- Présentiel / Distanciel
Description de la formation Machine Learning Python
Grâce à sa syntaxe lisible et directe, Python est un langage priviligié dans le domaine de l'analyse de données et du machine learning. S'il est plebiscité pour le scripting et l'automatisation, ce langage jouit également d'une très grande popularité en tant qu'interface de commande de haut niveau pour les bibliothèques de Machine Learning (SciPy, NumPy, Scikit-Learn...). Enfin, Python possède des pré-dispositions pour l'IA grâce à sa mécanique pour la programmation orientée objet (héritage, surcharge, méthodes virtuelles...) et pour son paradigme fonctionnel.
Cette formation Machine Learning avec Python vous propose de découvrir les concepts et les technologies du Machine Learning à travers le langage Python et sa bibliothèque Scikit-Learn qui propose tous les algorithmes standards. Vous apprendrez à développer de puissants modèles prédictifs dont les résultats vous surprendront par leur puissance et leur facilité de mise en œuvre.
Le dernier module est consacré au standard Azure Machine Learning afin de vous donner également une vision « Cloud sans code » du machine learning pour ainsi disposer d’une vue technique complète sur le sujet.

Objectifs pédagogiques
Objectifs pédagogiques :
À l'issue de cette formation Machine Learning avec Python, vous aurez acquis les connaissances et compétences nécessaires pour :
- Décrire les concepts du machine learning
- Connaître les principaux algorithmes utilisés en machine learning
- Utiliser la bibliothèque Scikit-Learn
- Mettre en œuvre le regroupement de données automatique (clustering)
- Utiliser Azure Machine Learning
Objectifs opérationnels
Objectif opérationnel :
Savoir développer de puissants modèles prédictifs en Python.
Programme
Contenu du cours, module par module
5 modules
- Les promesses du machine learning
- Les technologies sous-jacentes
- Liens entre Cloud, Big Data et Machine Learning
- Présentation du Deep Learning
Travaux pratiques
- Différences entre apprentissage supervisé et non supervisé
- La régression linéaire
- La régression logistique
- L’arbre de décision
- Les machines à vecteur de support (SVM)
- La classification selon Naive Bayes
- Les plus proches voisins
- Pourquoi faut-il parfois réduire les dimensions ?
- Les réseaux de neurones
- Comment utiliser la documentation ?
- Intégration de Scikit-Learn avec d’autres librairies (Pandas, Numpy, SciPy, Matplotlib, etc.)
- Représentation des données par des tableaux (Numpy, Scipy, Pandas, Python)
- Représentation d’une prédiction par une classe (prédicteur, classifieur, estimator)
- Comment choisir le bon algorithme d’apprentissage automatique ?
Travaux pratiques
- Explorer les données et les regrouper (clustering)
- Visualisation avec clustering hiérarchique et t-SNE
- Décorrélation des données et réduction des dimensions
- Découvrir des fonctionnalités interprétables
- Extraire des connaissances des textes (Text Mining)
Travaux pratiques
Analyse de sentiments et démotions
Classification automatique de textes dans une ou plusieurs catégories (Word2Vec, Doc2Vec, TF-DF)
Retour sur l’atelier de la reconnaissance supervisée des fleurs pour le passer en mode non supervisé : réduction des dimensions, regroupement des données selon différents algorithmes (clustering) jusqu’à la mise en évidence de l’identification des groupes de familles de fleurs
- Construire des modèles sans coder avec les outils du Cloud
- Les services proposés par Visual Studio, Azure et GitHub
- Valider les performances des modèles
- Déployer son modèle
- La préparation des données
Travaux pratiques
Travaux pratiques
Cette formation comporte de nombreux travaux pratiques afin de faciliter l'assimilation des connaissances.
Programme mis à jour le 23/06/2025
Public concerné
Ce cours Machine Learning avec Python s'adresse à toute personne amenée à utiliser Python pour développer des modèles de prédiction dans n'importe quel domaine : scientifique, médical, bancaire, sécurité, data...

Prérequis
Cette formation Machine Learning avec Python suppose de savoir développer et de connaître les bases de Python. Vous pouvez les acquérir en suivant la formation Python (OPYT).
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
4,5/5
2 avis
« Ce que j'ai le plus apprécié : "J'étais tout seul comme participant, et je trouve que c'était un réel plus car j'ai pu beaucoup interagir avec le formateur et donc comprendre beaucoup mieux ces concepts compliqués." Ce que j'ai le moins apprécié : "-" »
CECOYOTE SYSTEM
Les avis figurant ci-dessus sont issus des fiches d’évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Formations liées
- Mojo, programmation IARéf. MOJO3 joursIntermédiaireProchaine session : 23 nov.2 090 €
- Déployer un modèle Machine Learning en production avec PythonRéf. OPLM3 joursIntermédiaireProchaine session : 16 nov.2 090 €
- Intégrer des modèles ChatGPT dans les applications PythonRéf. PGPT3 joursFondamentalProchaine session : 18 nov.2 625 €
- Python : Automatiser les documents Office Réf. ADOP2 joursIntermédiaireProchaine session : 22 oct.1 590 €