Page 68 - Catalogue Formations 2024

EN

RÉALISABLE
AVANCÉ ATELIER
EN ANGLAIS
MACHINE LEARNING AVANCÉ DATES & LIEUX

Du 23/05/2024 au 24/05/2024 à Paris
Du 14/10/2024 au 15/10/2024 à Paris
FC9BD15 PRIX : 1 850 € DURÉE : 2 JOURS PUBLIC/PRÉREQUIS

Pauses et déjeuners offerts La formation s’adresse aux ingénieurs,
chefs de projets souhaitant approfondir
leurs connaissances en apprentissage
statistique. Elle a pour but de détailler
INTELLIGENCE ARTIFICIELLE ET SCIENCES DES DONNÉES Le traitement des grandes masses de données (big data), dans performances.
le développement des méthodes
PRÉSENTATION
considérées ainsi que de fournir des
éléments théoriques justifiant leurs
différents secteurs d’activités, se base sur le machine learning. Les
méthodes de régression et leur pénalisation permettent de répondre
Des connaissances de base en
à plusieurs problématiques, en mettant l’accent sur les approches
statistiques ou en machine learning :
notions de probabilités/statistiques
non paramétriques. Les forêts aléatoires ainsi que différentes
élémentaires (variables aléatoires, loi
méthodes d’optimisation permettent d’apprendre les paramètres
d’une variable aléatoire, espérance,
des modèles à l’aide de données d’entraînement (utilisant une
etc.) ainsi que d’une connaissance des
descente de gradient ou non). D’autres problèmes industriels sont
enjeux des méthodes d’apprentissage
traités grâce au traitement statistique des séries temporelles.
afin
nécessaires
de
tirer
sont
pleinement profit de cette formation.
OBJECTIFS
RESPONSABLE(S)
- Prendre en main les différentes méthodologies d’apprentissage
Charlotte LACLAU
statistique tant pour les données indépendantes que pour les séries
Enseignante-chercheuse au LTCI à
temporelles
Télécom Paris dans le département
- Déployer les méthodes les plus récentes, depuis l’écriture d’un modèle Image, Données et Signal. Ses
jusqu’à son optimisation intérêts de recherche portent sur
- Mettre en œuvre les algorithmes d’apprentissage les plus répandus et l’apprentissage automatique et plus
les appliquer à différents jeux de données spécifiquement l’apprentissage de
- Identifier les outils indispensables à l’implémentation de modèles et représentation pour des données
d’architectures adaptés aux problèmes considérés complexes, avec un accent sur les
graphes dynamiques et le texte. De
plus, elle travaille sur l’analyse théorique
des biais dans l’apprentissage
PROGRAMME
automatique et le développement
d’algorithmes équitables pour les
Introduction
données relationnelles.
Rappels de machine learning
- Introduction à la théorie de
l’apprentissage MODALITÉS
- Réduction de dimension (analyse en PÉDAGOGIQUES
composante principale et décomposition
en valeurs singulières)
Les concepts sont illustrés par de
nombreux exemples utilisant des
Cas des données complexes
- Extraction de features données simulées ainsi que des données
- Apprentissage de représentation réelles (données économétriques,
météorologiques, applications en vision).
Réseaux profonds
Des séances de travaux pratiques en
- Introduction et concepts fondamentaux
Python sont réalisées.
- Mise en œuvre
Méthodes de gradient pour l’apprentissage
de modèles complexes
- Descente de gradient
- Algorithme de back-propagation
FORMATIONS INTER-ENTREPRISES - Méthodes bayésiennes et réseaux DU PROGRAMME EN LIGNE
Apprentissage pour les séries temporelles
partiellement observées
de neurones récurrents pour les séries
temporelles
ACCÉDER À L’ENSEMBLE
Étude de cas
Synthèse et conclusion
68 contact.exed@telecom-paris.fr | executive-education.telecom-paris.fr | Appelez le 01 75 31 95 90