|
DES RESSOURCES ET DES OUTILS AU SERVICE DES ACTEURS ET DES PROFESSIONNELS. |
Data | Python - Le module Scikit-LearnDate de mise à jour : 12/11/2024
| Identifiant OffreInfo : 02_202312209619 |
Cap Métiers Nouvelle-Aquitaine |
• Découvrir les fonctionnalités de Scikit-Learn en Python.
• Installer et configurer Scikit-Learn.
• Gérer les valeurs manquantes et les outliers.
• Normaliser et encoder les données.
• Appliquer des modèles supervisés (régression, classification).
• Entraîner, évaluer et optimiser les modèles.
• Explorer les techniques de clustering.
• Réduire la dimension des données avec l'ACP.
• Valider les modèles avec la validation croisée.
• Construire, optimiser et déployer des pipelines d'apprentissage automatique.
Module 1: Découvrir Scikit-Learn en Python
Présenter les fonctionnalités de Scikit-Learn.
Installer et configurer Scikit-Learn.
Module 2: Prétraiter les Données avec Scikit-Learn
Gérer les valeurs manquantes et les outliers.
Normaliser et encoder les données.
Module 3: Appliquer l'Apprentissage Supervisé avec Scikit-Learn
Introduire les modèles supervisés (Régression, Classification).
Entraîner, évaluer et optimiser les modèles.
Module 4: Explorer l'Apprentissage Non Supervisé avec Scikit-Learn
Découvrir les techniques de clustering.
Réduire la dimension avec l'analyse en composantes principales (ACP).
Module 5: Valider les Modèles avec Scikit-Learn
Appliquer des stratégies de validation croisée.
Sélectionner modèles et hyperparamètres.
Module 6: Intégrer Scikit-Learn dans des Pipelines
Construire des pipelines d'apprentissage automatique.
Optimiser et déployer des modèles.
Module 7: Traiter les Images avec Scikit-Image
Appliquer des techniques de traitement d'images avec Scikit-Image.
Intégrer avec Scikit-Learn pour des tâches d'apprentissage automatique liées aux images.
Module 8: Appliquer à des Problèmes Réels
Résoudre des problèmes pratiques avec Scikit-Learn.
Conduire des études de cas et des projets concrets.
Module 9: Optimiser les Performances avec Scikit-Learn
Utiliser des techniques d'optimisation pour des ensembles de données volumineux.
Gérer la mémoire et paralléliser.
Module 10: Explorer Avancée des Fonctionnalités de Scikit-Learn
Utiliser avancée des fonctionnalités de Scikit-Learn.
Explorer des modules spécialisés pour des domaines spécifiques d'apprentissage automatique.
Nous pouvons adapter et personnaliser le programme en fonction de vos besoins par des compléments.
N'hésitez pas à nous contacter pour ajuster le programme de votre formation !
Non certificiante
Information non communiquée
Conventionnement : Non
Autre
Niveau d'entrée : Sans niveau spécifique
Aucune