Page 67 - Catalogue Formations 2024

EN

RÉALISABLE
AVANCÉ ATELIER
EN ANGLAIS
DATA SCIENCE
DATES & LIEUX
INTRODUCTION AU MACHINE LEARNING
Du 24/06/2024 au 25/06/2024 à Paris
Du 02/12/2024 au 03/12/2024 à Paris
FC9BD04 PRIX : 1 850 € DURÉE : 2 JOURS PUBLIC/PRÉREQUIS

Pauses et déjeuners offerts Ingénieurs et techniciens ayant besoin
de méthodes d’apprentissage pour
automatiser des tâches (prédiction,
décision, etc.) de manière performante.
Chefs de projets qui souhaitent mieux
PRÉSENTATION
identifier les tâches que le machine
learning permettrait d’automatiser.
Les sciences de l’information transforment aujourd’hui de nombreux
domaines tels que la médecine, la finance, le marketing, la défense Des bases en Python (opérateurs clés
ou encore la sécurité. La capacité à traiter et analyser des données (if, for, etc.), listes, dictionnaires) et des
de très grande dimension, souvent massives (big data) est un enjeu connaissances en mathématiques INTELLIGENCE ARTIFICIELLE ET SCIENCES DES DONNÉES
majeur dans ces secteurs d’activités. La discipline qui développe (fonctions et dérivées, limites, norme
et étudie des méthodes concrètes pour modéliser ce type de et produit scalaire) sont souhaitables/
nécessaires afin de tirer pleinement
données est le machine learning. A l’interface des mathématiques
profit de cette formation.
appliquées et de l’informatique, cette discipline vise à produire
des outils de prédiction et d’aide à la décision, automatiquement,
à partir d’un apprentissage sur des données et des évènements. RESPONSABLE(S)
L’apparition d’algorithmes très performants pour la classification
Stéphan CLÉMENÇON
de données en grande dimension, tels que le Boosting ou les
Enseignant-chercheur au département
Support Vector Machines (SVM) dans le milieu des années 90, a Image, Données, Signal de Télécom
progressivement transformé le champ occupé jusqu’alors par la
Paris, il anime l’équipe de recherche S2A
statistique traditionnelle. Celle-ci s’appuyait en grande partie sur le
(Statistiques et Applications) au sein du
prétraitement réalisé par l’opérateur humain. laboratoire LTCI. Ses recherches portent
principalement sur la théorie statistique
La formation présente le domaine et ses fondements. Ses problèmes de l’apprentissage. Il enseigne le
et ses méthodes les plus récentes sont également étudiés. Les machine learning à Télécom Paris, à
concepts sont illustrés par des applications variées. l’ENSAE Paris, à l’Université Paris 7 et à
l’ENS Cachan.
OBJECTIFS Hicham JANATI
Enseignant-chercheur au département
Image, Données, Signal de Télécom
- Identifier les fondements historiques et théoriques de l’apprentissage
Paris. Docteur en apprentissage
automatique
statistique de l’Institut Polytechnique
- Utiliser les algorithmes majeurs en machine learning et reconnaître les de Paris et de l’Inria. Ses recherches
situations dans lesquelles les appliquer portent principalement sur le machine
learning et ses interactions avec la
théorie du transport optimal. Il enseigne
PROGRAMME le machine learning et l’apprentissage
statistique a l’ENSAE, Python en data
Introduction Introduction aux réseaux de neurones/ science à l’École Polytechnique.
deep learning
Problématiques traitées par le machine - Traitement du langage naturel NLP
learning - Traitement d’images MODALITÉS
- Classification
- Régression Travaux pratiques avec Python, PÉDAGOGIQUES
- Réduction de dimension Scikit-Learn
- Critères de choix d’algorithme Travaux pratiques en Python :
Synthèse et conclusion - Initiation à Scikit-Learn
Introduction à la théorie de - Application des algorithmes
l’apprentissage (principe de la
- Compréhension des mesures de
minimisation de risque empirique) :
performances et des avantages
exemples applicatifs
FORMATIONS INTER-ENTREPRISES
- LDA (Linear Discriminant Analysis) – inconvénients des différentes
supervisé méthodes
- K-means – non supervisé
Sur-apprentissage, sélection de modèle
Optimisation pour le machine learning ACCÉDER À L’ENSEMBLE
DU PROGRAMME EN LIGNE
Régression logistique
Arbres de classification
Méthodes ensemblistes
Support Vector Machine (SVM)

contact.exed@telecom-paris.fr | executive-education.telecom-paris.fr | Appelez le 01 75 31 95 90 67