FFCNCERCERXBD04
Stage inter entreprise
Durée :
2 jour(s)
Présentation
Les données sont aujourd’hui au cœur de la transformation numérique des organisations. Santé, finance, industrie, marketing, cybersécurité, mobilité ou encore services publics : tous les secteurs s’appuient sur l’exploitation des données et de l’intelligence artificielle pour améliorer leurs processus, accélérer l’innovation et renforcer la prise de décision. Au cœur de cette révolution, le machine learning développe des méthodes permettant aux systèmes d’apprendre à partir des données afin de prédire, classifier, recommander ou automatiser des décisions. À l’interface des mathématiques appliquées, de l’informatique et de la statistique, cette discipline connaît une évolution rapide ouvrant de nouvelles perspectives tout en soulevant des enjeux essentiels de robustesse, d’explicabilité, de déploiement et de gouvernance des modèles.
Cette formation propose une vision complète des principes fondamentaux du machine learning et de leurs applications actuelles. Les concepts sont illustrés par des cas d’usage concrets issus de différents secteurs d’activité.
Objectifs
- Identifier les fondements historiques et théoriques de l’apprentissage automatique
- Utiliser les algorithmes majeurs en machine learning et reconnaître les situations dans lesquelles les appliquer
-
Programme
Introduction
Problématiques traitées par le Machine Learning
- Classification
- Régression
- Réduction de dimension
- Critères de choix d’algorithme
Introduction à la théorie de l’apprentissage
- LDA (Linear Discriminant Analysis) – supervisé
- K-means – non supervisé
Sur-apprentissage et sélection de modèle
Optimisation pour le Machine Learning
Principales méthodes et algorithmes
Régression logistique
Arbres de classification
Méthodes ensemblistes
Support Vector Machine (SVM)
Introduction aux réseaux de neurones / deep learning
- Traitement du langage naturel (NLP)
- Traitement d’images
Travaux pratiques avec Python et ScikitLearn
Synthèse et conclusion
-
Points forts
Formation donnant les fondements théoriques et permettant de prendre en main par la pratique les algorithmes de Machine Learning les plus utilisés.
-
Modalités pédagogiques
Travaux pratiques en Python :
- Initiation à Scikit-Learn
- Application des algorithmes
- Compréhension des mesures de performances et des avantages/inconvénients des différentes méthodes
-
Public cible et prérequis
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 identifier les tâches que le machine learning permettrait d’automatiser.
Des bases en Python (opérateurs clés, listes, dictionnaires) et des connaissances en mathématiques (fonctions et dérivées, limites, norme et produit scalaire) sont souhaitables/nécessaires afin de tirer pleinement profit de cette formation.
-
Responsables
Stephan CLEMENÇON
Enseignant-chercheur au département Image, Données, Signal de Télécom Paris, il anime l’équipe de recherche S2A (Statistiques et Applications) au sein du laboratoire LTCI. Ses recherches portent principalement sur la théorie statistique de l'apprentissage. Il enseigne le machine learning à Télécom Paris, à l'ENSAE Paris, à l'Université Paris 7 et à l'ENS Cachan.
Prochaine(s) session(s)
- Du 14/12/2026 au 15/12/2026 à Paris
- Du 20/05/2027 au 21/05/2027 à Paris
- Du 18/11/2027 au 19/11/2027 à Paris
Vous pourriez aussi être intéressé par...
[Formation] Standard 5G – Radio et cœur de réseau
Domaine : Réseaux opérateurs de transport de données
Durée : 3 jour(s)
