Calendrier des formations

Analyser des volumes massifs de données

Apprendre les méthodes pour fouiller des données variées ou pour chercher à prévoir les valeurs d’une variable quantitative ou qualitative. Les méthodes présentées seront mises en œuvre au cours d’ateliers. Les différentes étapes d’une étude de Data Mining – Machine Learning seront détaillées ainsi que les méthodes de validation des résultats obtenus.

En savoir plus

Apprendre à utiliser TensorFlow – Keras – PyTorch
l’objectif général de cette formation et de découvrir les méthodes actuelles de l’Intelligence Artificielle, apprendre comment utiliser les méthodes de Deep Learning et dans quels contextes, comprendre quels outils permettent d’analyser les data sets modernes (ie non structurés).
l’objectif spécifiques et d’apprendre à utiliser le Deep Learning à l’aide des librairies, et de devvenir autonome dans la conception des modèles d’apprentissage

En savoir plus

Qu’est-ce que PyTorch ?

PyTorch est un package de calcul scientifique basé sur Python servant deux grands objectifs :

• Un remplacement de NumPy pour utiliser la puissance des GPU et autres accélérateurs.
• Une bibliothèque de différenciation automatique utile pour implémenter des réseaux de neurones.

En savoir plus

Analyser des volumes massifs de données

Apprendre les méthodes pour fouiller des données variées ou pour chercher à prévoir les valeurs d’une variable quantitative ou qualitative. Les méthodes présentées seront mises en œuvre au cours d’ateliers. Les différentes étapes d’une étude de Data Mining – Machine Learning seront détaillées ainsi que les méthodes de validation des résultats obtenus.

En savoir plus

Initiation au Machine Learning, Deep Learning.

Formation basée sur la pratique permettant d’être opérationnel sur l’analyse de données avec le langage Python. Être capable d’automatiser le traitement de données avec Python et travailler avec les outils pour la data science de Python (Numpy, Scipy, Matplotlib, Bokeh, Pandas, PySpark, Keras, Jupyter, scikit learn…)

En savoir plus