Profiter d’une parcours complet en data science : de la manipulation des principaux types de données jusqu’aux techniques avancés en Deep Learning et Machine Learning.
Durée : 6 jours, 12 ateliers de 3h30 chacun
Objectifs pédagogiques
Utiliser les principales librairies de calcul numérique dont Numpy, SciPy, Pandas et Matplotlib
Etre capable de créer un notebook Jupyter
Savoir mettre en forme des résultats
Etre capable d'utiliser des options et/ou bibliothèques complémentaires
Charger et manipuler les principaux types de données
Comprendre en quoi consiste l'apprentissage automatique (machine learning)
Identifier les problèmes pour lesquels ce type de méthode saura apporter une réponse pertinente
Connaître les différents types de méthodes et savoir utiliser les principaux algorithmes
Être capable d'identifier les problèmes pour lesquels une solution Deep Learning est pertinente
Savoir charger et spécialiser un réseau de neurones pré-entraîné
Savoir créer un réseau de neurones de zéro
Connaître les principales architectures de réseaux de neurones et leur utilité.
Parcours complet Data Science
en détail
Programme
Introduction à l’univers scientifique de Python
Manipulation d’images
Manipulation de données temporelles
Manipulation de données géolocalisées
Préparer les données pour du Machine Learning
Apprentissage supervisé
Apprentissage non-supervisé
Introduction aux concepts fondamentaux du deep learning
Les fonctionnalités de base de Keras
Architecture siamoise et données temporelles en deep learning
Deep learning et analyse d’images : un exemple autour de la langue des signes
Public et pré-requis
Public
Toute personne travaillant dans des secteurs ayant de forts besoins en calculs et simulations mathématiques
Informaticiens, scientifiques, chercheurs et ingénieurs travaillant dans les domaines comme les sciences physiques, la chimie, les sciences des matériaux, la génétique, la mécanique des fluides, l'aérospatiale, les statistiques, le monde de la finance, etc…
Pré-requis
Connaître l'algorithmie
Avoir une première expérience du langage Python
Connaître quelques rudiments mathématiques, trigonométrie (sinus, cosinus) et algèbre linéaire (calcul matriciel)
Ces pré-requis seront contrôlés et validés sous forme d’entretien téléphonique réalisé au plus tard 2 semaines avant la formation.
En cas de non adéquation, des solutions alternatives seront proposées.
Personne en situation de handicap
Pour toutes questions relatives à l’accueil d’un participant présentant un handicap, merci de nous contacter préalablement avant toute inscription
Prochaines sessions
Ateliers Data Science
Parcours complet Data Science
Nantes - Toulouse - Paris ou distanciel
Nous contacter
Durée : 6 jours soit 42 heures
Tarif : 5000 € ht par personne
Ingénierie pédagogique
Moyens pédagogiques et techniques
Les supports de cours (slides) seront disponibles en ligne au début de formation (à l'aide d'un lien vers notre outil interne ou d'une version numérisée), puis fournis au format électronique à la fin de la formation.
Une salle de formation virtuelle équipée d'un espace de chat, d'un partage d'écran et d'un tableau blanc.
Les pré-requis logiciels seront envoyés par le formateur quelques jours avant le démarrage de la session.
Les stagiaires doivent se munir d'un ordinateur avec une connexion internet via ADSL ou Fibre (pas de 3 ou 4G).
L'équipement d'un casque avec micro est préférable, des écouteurs peuvent aussi suffirent.
Modalités de suivi de l'exécution du programme
Durant les ateliers : alternance d'apports théoriques, d’exercices pratiques et de mise en situation sous forme de travaux supervisés et corrigés avec l’expert-formateur.
En fin de formation : évaluation à chaud sur l'atteinte des objectifs pédagogiques sous forme de tour de table et de test de connaissances, d'exercices, de QCM.
Moyens d'encadrement
Formation assurée par un(e) expert(e) Python connaissant les librairies scientifiques.
Témoignages
Image
" Beaucoup de rappels sur Python et Pandas et de nombreux outils abordés pour le ML/DL et l'image processing. Beaucoup de pratique et juste ce qu'il faut de théorique. Beaucoup de notebooks et d'exemples à disposition, sur des sujets variés (imagerie, écriture, acoustique …) Les sujets et datasets se recoupent entre notebooks, ce qui facilite la comparaison entre outils et la compréhension de leur utilisation. "
Cyril DAMBRINE
Limagrain
Image
" Le dynamisme et la bonne humeur du formateur sont un vrai plus pour une formation en distanciel. Le contenu présenté est très large, cela donne une bonne vision des différentes possibilités d'application. "
