Machine learning : perfectionnement

• Approfondir le machine learning sur des projets complets
• Maîtriser les méthodes avancées de modélisation et d’optimisation
• Structurer un projet de data science de la donnée à la décision

Data scientists confirmés, ingénieurs ML, analystes, architectes

Avoir mis en œuvre des modèles de machine learning en Python

• Faire le bilan des projets menés et des points de blocage
• Approfondir les méthodes d’ensemble et le gradient boosting
• Concevoir des variables à forte valeur prédictive pour le modèle
• Traiter les données déséquilibrées, rares ou de grande dimension
• Optimiser les hyperparamètres avec des méthodes plus efficaces
• Introduire les réseaux de neurones pour des cas adaptés
• Comparer les approches selon la performance, le coût et la lisibilité
• Évaluer la robustesse du modèle face aux changements de données
• Prévoir le passage en production et le suivi du modèle
• Présenter les résultats du projet à un comité de décision

• Comparer un modèle linéaire et un modèle de boosting
• Construire de nouvelles variables et mesurer leur apport
• Présenter les résultats d’un projet en temps limité devant un jury

• Modèle de plan de projet de data science de bout en bout
• Fiche repère pour choisir un algorithme selon le cas
• Check list de revue avant mise en production d’un modèle