ANALYSE DE DONNEES DE LABORATOIRE ET INDUSTRIELLES – MACHINE LEARNING
Nous consulter
Frais d’inscription
(déjeuner inclus)
2 260 € HT
Techniciens Supérieurs,
Ingénieurs, Chercheurs ayant à analyser des données issues de HPLC, GC, MS, RMN…
Objectifs
• Apprendre les bases de différentes méthodes issues du « Machine Learning »
• Savoir analyser vos propres données multivariées à l'issue du cours.
• Utiliser seul le logiciel d’analyse de données étudié
Contenu pédagogique
THEORIE
Première partie : Arbres de décision
CART
- Principe théorique des arbres de décision
- Optimisation
- Limitations des modèles CART
Random ForestsOptimisation
- Principe des « ensemble methods »
- Optimisation
Boosting
- Discrimination
- Régression
Deuxième partie : Support Vector Machines (SVM)
Introduction générale sur les problématiques non-linéaires
- Définitions
- Théorie du traitement des non-linéarités
- Revue des Méthodes
Support Vector Machines (SVM)
- Régression
- Discrimination
Troisième partie : Réseaux de Neurones (ANN)
Introduction générale sur les Réseaux de Neurones
Architectures des neurones et des réseaux
Perceptron multicouche (MLP – MultiLayer Perceptron)
- Structure des réseaux
- Entraînement des réseaux
- En pratique : comment éviter le sur-apprentissage
Les réseaux de neurones pour la prédiction et pour la classification
TRAVAUX DIRIGES
- Applications pratiques et mises en œuvre sur des jeux de données avec un logiciel adapté au Machine Learning.
- Les principes des méthodes sont introduits par une approche non mathématique et l’accent est mis sur l’utilisation pratique des méthodes et l’interprétation des résultats.
FORMATION A DISTANCE POSSIBLE
