Logo de la rubrique ATELIER : Initiation au Machine Learning

ATELIER : Initiation au Machine Learning

Du 29 au 30 novembre 2018 Boulogne-Billancourt (92)

Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici




Deux jours pour obtenir les bases nécessaires à l’identification et la conduite de projets de valorisation de données par apprentissage machine.

Lorsqu’on s’intéresse à la valorisation des données, on peut difficilement ignorer le Machine Learning (Apprentissage Machine), élément clé de l’Intelligence Artificielle et des Data Sciences, tant les promesses de son usage sont largement louées et deviennent un enjeu stratégique pour nos entreprises.

Nous n’avons certainement pas tous vocation à devenir des Data Scientists, mais, que nous fassions partie des Directions Générales, Marketing, Innovation, R&D, ou encore des Systèmes d’Information, nos objectifs sont bien souvent de disposer de connaissances suffisantes pour orienter les réflexions et les travaux d’innovation dans nos entreprises.

Cette formation répond à ces objectifs en s’appuyant sur des exemples simples et intuitifs afin d’introduire les principaux concepts de l’apprentissage machine. Elle privilégie la compréhension méthodologique plutôt que les détails théoriques et techniques. Nous nous attachons en particulier à comprendre pourquoi et comment ces systèmes sont efficaces.

Lors de cette formation nous abordons un ensemble d’applications et de méthodes en les situant dans une structure méthodologique globale, en montrant leurs liens, en les illustrant par des exemples et en discutant leurs forces et leurs faiblesses.

Objectifs :

Fournir aux décideurs, managers et ingénieurs les éléments pour mieux gérer des projets intégrant de l’apprentissage machine et donner les bases qui permettront de mettre en place et approfondir des applications pratiques.

PROGRAMME

Jour 1 : 9h00 - 17h00

1. Introduction
- Présentation des participants
- Echange sur les attentes
- Discussion pour choisir certaines orientations de la formation (théorie vs pratique, cas pratiques, outils, démonstrations)
- Identification de cas d’usage d’intérêt pour les ateliers

2. Qu’est-ce que l’apprentissage machine ?
- Exemples d’applications et enjeux économiques
- Quelques exercices pour comprendre des principes fondamentaux
- Définition et relation avec l’algorithmie, les statistiques et l’intelligence artificielle

3. Premiers algorithmes d’apprentissage machine
- K-plus proche voisins et K-means
- Familles d’algorithmes : régression, classification
- Possibilités de mise en œuvre
- Challenges

4. Mise en place d’une démarche projet (partie 1)
- Compréhension et formalisation du problème
- Collecte, visualisation et préparation des données
- Réduction de la dimension, choix des caractéristiques et de la mesure de similarité
- Atelier : Par groupe, choix d’un cas d’usage d’intérêt, formalisation du problème puis présentation devant les autres groupes.
- Démonstration : Mise en œuvre sur un cas pratique (partie 1)

5. Régressions
- Fonction hypothèse et fonction de coût
- Optimisation de la fonction de coût
- Familles d’algorithmes de régression

6. Mise en place d’une démarche projet (partie 2)
- Valider et comprendre les résultats
- Architecture et Mise en production
- Logiciels libres, Plateformes et Software as a Service (PaaS, SaaS)
Démonstration : Mise en œuvre sur un cas pratique (partie 2)

Jour 2 : 9h00 - 17h00

7. Classification
- Classification supervisée et frontières de décision
- Classification non supervisée
- Eléments de probabilités conditionnelles
- Arbres de décision
- Atelier : Par groupe, définition d’une stratégie pour le cas d’usage d’intérêt choisi lors du 1er atelier.
- Démonstration : Mise en œuvre sur un cas pratique (partie 3)

8. Réseaux de neurones
- Historique, difficultés et avancées majeures
- Réseaux de neurones multicouches et profonds
- Auto-encodeurs et réseaux de neurones convolutionnels
- Démonstration : Exemple d’application (dans le cloud et/ou avec Python)

9. Séries temporelles
- Séries numériques et approches traditionnelles
- Séquences d’évènements
- Fusion de capteurs

10. Pour aller plus loin : Réseaux de neurones récurrents et apprentissage par renforcement
- Réseaux de neurones récurrents, Réseaux à mémoire
- Analyse du langage naturel
- Démonstration : Exemple d’application (dans le cloud et/ou avec Python)
- Apprentissage par renforcement
- Démonstration : Exemples d’application

9. Conclusion
- Synthèse
- Comment aller plus loin ?
- Questions et échange sur la formation

INFORMATIONS PRATIQUES

Public concerné :
Cette formation s’adresse à un public large :
- Direction générale
- Direction marketing/produit
- Direction technique & innovation
- Direction des systèmes d’information
- Direction projet / Ingénieurs d’études

Pré-requis :
Formation accessible à tous

Date et lieu :
- 29 et 30 novembre 2018

- Viveris
32-36 rue de Bellevue
92100 BOULOGNE BILLANCOURT

Les inscriptions sont closes. Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici

info portfolio