Retrouvez le calendrier de toutes les formations à venir.
Vous pouvez affiner votre recherche en sélectionnant une catégorie de formations dans la liste ci-dessous.
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
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.
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…)
Titre
Comprendre la rupture du Big Data et ses conséquences, construire la feuille de route de la transformation digitale, savoir conduire avec succès un projet Data
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
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.
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…)
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
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.
Titre
Comprendre la rupture du Big Data et ses conséquences, construire la feuille de route de la transformation digitale, savoir conduire avec succès un projet Data
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.
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
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
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.
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.
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…)
Titre
Comprendre la rupture du Big Data et ses conséquences, construire la feuille de route de la transformation digitale, savoir conduire avec succès un projet Data