intelligence artificielle
Intelligence artificielle

INTELLIGENCE ARTIFICIELLE, FOUILLE DE DONNEES ET APPRENTISSAGE

Durée 3 jours 21 heures
Sessions
  • 17 - 19 mars 2025 en présentiel à Lyon

Frais d’inscription
(déjeuner inclus)

1 750 € HT

Prérequis & public concerné

Chef d’entreprise, directeur, responsable de projet, ingénieur, technicien
Connaissances générales en informatique et idéalement des notions sur l’analyse de données.

Objectifs

Explorer les techniques récentes d’analyse de grandes masses de données et d’Intelligence Artificielle : apprentissage statistique ,apprentissage par renforcement, apprentissage profond. Clustering, les différents algorithmes et leurs spécificités, classification. Règles d’association et modèles probabilistes.

Contenu pédagogique

Introduction à la fouille de données et au Machine learning

  • Définition et objectif
  • Démarche de fouille de donnée
  • Domaines d’application
  • Quelles différences entre la fouille de données (Data Mining) et l’apprentissage automatique (Machine Learning).
  • Etude de cas : Exemple introductif

Étapes de préparation de données

  • Sélection des Données
  • Nettoyage des Données
  • Enrichissement des Données
  • Codage des Données
  • Tour d’horizon des problèmes & types d’apprentissage

Techniques non supervisées 

  • En Fouille de données : Extraction des motifs fréquents et des règles d’association.
  • Statistique descriptive et techniques de projection des données
  • Apprentissage non supervisé (clustering) : cas particulier du k-means, CAH, etc.
  • Interprétation statistique : Indice de qualité (interne et externe)

Techniques supervisées

  • Modèle supervisé : régression, arbre de décision, réseaux de neurones …etc
  • Méthodes ensemblistes
  • Création de chaine de traitement (pipeline)
  • Les concepts importants : critères de performance, validation croisée, overfitting, dilemme biais-variance.
  • Paramétrage des modèles
  • Sélection de variables
  • Détection d’anomalie
  • Applications : biologie, santé, marketing, maintenance prédictive, etc

Analyse de données textuelles

  • Introduction à l’analyse de données textuelle.
  • Mesure statistique pour le texte : TF-IDF
  • Encodage des mots (word embedding)
  • Les modèles récurrents : LSTM, GRU

Coordonnées

CPE Lyon Formation Continue

41 rue Garibaldi – 69006 LYON

04.72.32.50.60