Formation à distance Data Scientist

Grâce à l'adaptation de nos formations pour une offre à distance, un programme pédagogique complet autour des data-sciences vous est proposé, couvrant : le chargement, la manipulation, la visualisation et l'utilisation en machine learning de vos données.

Le blog Makina-corpus

Grâce à l'adaptation de nos formations pour une offre à distance, un programme pédagogique complet autour des data-sciences vous est proposé, couvrant : le chargement, la manipulation, la visualisation et l'utilisation en machine learning de vos données.

Afin d'éviter la propagation du Covid-19 et d'assurer la sécurité de nos clients, une nouvelle gamme de formation à distance a été mise en place. Une transposition directe des formations données jusqu'à présent en présentiel n'est pas toujours évidente car une partie importante de leur qualité repose sur la richesse des échanges entre nos formateurs et stagiaires.

Néanmoins le format «à distance» ouvre aussi de nouvelles possibilités. C'est dans ce contexte là que Makina Corpus a ressorti son idée d'une formation complète en data science découpée en 11 ateliers pratiques et 3 mises en pratique.

En présentiel, cette formation est plus complexe à mettre en place. Ainsi, ce nouveau format de formation à distance couvre 4 programmes :

Même s'il existe des similitudes entre ces programmes, 12 jours seraient nécessaires aux formateurs et stagiaires pour suivre l'intégralité de cette formation en présentiel. Une trop longue durée à la fin de laquelle l'énergie manquerait sans doute pour enseigner comme pour assimiler toutes les notions.

La formation à distance au contraire permet d'organiser facilement 11 ateliers d'environ 4 heures chacun. Ces ateliers sont accompagnés de 3 sessions de mise en pratique supervisée : vous choisissez un sujet en rapport avec votre métier ou parmi une liste que nous vous proposons et durant 4 heures, nos formateurs vous accompagnent pour l'explorer efficacement.

Cette formation à distance se programme sur 1 mois, avec 3 à 4 ateliers par semaine. L'ensemble de la formation dure 56 heures. Nous décidons ensemble du créneau de chaque atelier. Entre 2 ateliers, le participant à la possibilité de pratiquer puis d'échanger avec nos formateurs qui répondront avec plaisir à toutes ses questions.

 

Déroulé de la formation

Atelier 1 : Introduction à l'univers scientifique de Python

Session 1 : Mise en pratique supervisée

Atelier 2 : Manipulation d'images

Atelier 3 : Manipulation de données temporelles

Atelier 4 : Manipulation de données géolocalisées

Les bibliothèques pour charger, manipuler et visualiser des données cartographiques sont à part dans l'écosystème scientifique. En plus des bibliothèques Pandas  et Matplolib, nous ajouterons à notre boîte à outil : Folium, Cartopy et GeoPandas.

Atelier 5 : Préparer les données pour du Machine Learning

Atelier 6 : Apprentissage supervisé

L'apprentissage supervisé consiste à entraîner un algorithme d'apprentissage automatique en lui fournissant des données d'apprentissage ainsi que le résultat attendu pour ces dernières. Cet atelier donne les clés pour utiliser n'importe quel algorithme par apprentissage supervisé.

Nous continuerons à découvrir les fonctionnalités de scikit-learn.

Atelier 7 : Apprentissage non-supervisé

Atelier 8 : Introduction aux concepts fondamentaux du Deep Learning

Session 2 : Mise en pratique supervisée

Atelier 9 : Deep learning pour l'analyse de la langue orale

Durant cet atelier, nous entraînerons un réseau de neurones à différencier des fichiers sonores.

Nous poursuivrons notre découverte de la bibliothèque Keras.

Atelier 10 : Deep learning pour l'analyse de la langue écrite

Atelier 11 : Deep learning pour l'analyse de la langue des signes

Session 3 : Mise en pratique supervisée

 

Ces ateliers vous intéressent ?

Retrouver tous les détails des programmes atelier par atelier sur notre catalogue formation ici.

Créez votre formation sur mesure !

Vous avez déjà exploré un des ateliers ? Vous auriez envie d'un module supplémentaire sur la programmation parallèle, l'utilisation de Tensorboard ou n'importe quelle problématique disponible dans notre offre de formation ? N'hésitez pas, notre équipe sera ravie d'adapter ce programme avec vous !

Formations associées

IA/Data Science

Machine Learning

Aucune session de formation n'est prévue pour le moment.

Pour plus d'informations, n'hésitez pas à nous contacter.

Voir la formation

IA/Data Science

Python scientifique

A distance (foad) Du 22 au 26 novembre 2021

Voir la formation

IA/Data Science

Jupyter Notebook

À distance ou sur Nantes 30 septembre 2021

Voir la formation

Actualités en lien

Image
Expressionisme Dataviz ia Data Science
03/11/2021

[Conférence] Les règles de la visualisation de données 2/4 : Lisa Muth (Datawrapper)

Le 27 et 28 novembre 2020 se tenait la conférence S-H-O-W qui portait sur l'usage des règles dans la visualisation de données.

Voir l'article
Image
IA / DataScience : DataViz les règles visualisation
28/10/2021

[Conférence] Les règles de la visualisation de données 1/4 : Manuel Lima (Google)

Le 27 et 28 novembre 2020 se tenait la conférence S-H-O-W qui portait sur l'usage des règles dans la visualisation de données.

Voir l'article
Image
Deep clustering d'images aériennes
09/02/2021

Deep clustering d'images aériennes

Cet article présente Deep Cluster, une méthode reposant sur l'utilisation conjointe d'un algorithme de clustering et d'un réseau de neurones (deep learning). Nous montrons que Deep Cluster réussit à grouper en ensembles cohérents des photographies aériennes récupérées via l'API Mapbox. Grâce à l'outil MLflow nous avons tracé et analysé les résultats obtenus par la méthode Deep Cluster. Dans cette publication nous donnerons quelques précisions sur l'utilisation de cet outil.

Voir l'article

Inscription à la newsletter

Nous vous avons convaincus