← Retour aux formations

Intelligence Artificielle & Data

Parcours e-learning IA : Machine Learning, réseaux de neurones, Azure ML Studio, TensorFlow et Spark

Intermédiaire
Intelligence Artificielle & Data

À propos de cette formation

Data Scientists, Data Analysts, Data Stewards et Data Engineers souhaitant maîtriser les fondamentaux du Machine Learning, des réseaux de neurones profonds et des outils associés, à leur propre rythme.

Objectifs de la formation

  • check_circleComprendre les principes et l'intérêt du Machine Learning
  • check_circleConnaître les différentes approches et types de tâches du Machine Learning
  • check_circleAppréhender les concepts fondamentaux de la data science et du Machine Learning
  • check_circleMaîtriser Azure Machine Learning Studio : entraînement, déploiement de modèles, notebooks Jupyter et AutoML
  • check_circleComprendre l'architecture des réseaux de neurones artificiels et du Deep Learning
  • check_circleMettre en œuvre des réseaux de neurones avec TensorFlow 2 et Keras
  • check_circleUtiliser le framework Spark pour l'analyse de données et l'apprentissage automatique

Programme détaillé

Module 1 — Machine Learning : concepts et enjeux

  • Définition et périmètre du Machine Learning
  • L'apprentissage supervisé : principes et applications
  • Les autres formes d'apprentissage : non supervisé, par renforcement
  • Apprentissage profond versus apprentissage non profond
  • Les enjeux actuels du Machine Learning

Module 2 — Azure Machine Learning Studio : développer ses modèles

  • Présentation de la data science et du Machine Learning dans l'écosystème Azure
  • Introduction à Azure Machine Learning Studio
  • Fonctionnalités Microsoft Azure Machine Learning : entraînement, déploiement de modèles, notebooks Jupyter et AutoML

Module 3 — Comprendre les réseaux de neurones artificiels

  • Les neurones artificiels : structure et fonctionnement
  • Le Perceptron : fondements et limites
  • Les réseaux de neurones : architecture générale et perceptrons multicouches
  • Le Deep Learning : définition et positionnement par rapport au Machine Learning

Module 4 — Réseaux de neurones avec TensorFlow

  • Architecture des réseaux de neurones et algorithme de rétropropagation
  • Introduction à TensorFlow 2 : installation et prise en main
  • Construire des réseaux de neurones avec TensorFlow 2 et la version intégrée de Keras

Module 5 — Spark : framework distribué pour le Big Data et le Machine Learning

  • Le framework Spark : architecture et fonctionnement
  • Spark pour l'enrichissement et la transformation de données
  • Spark pour l'apprentissage automatique : MLlib et cas d'usage

Prérequis

Connaissances de base en intelligence artificielle et bon niveau en Python ou R.