Formation : Microsoft Azure Machine Learning, développer et exploiter des algorithmes

Microsoft Azure Machine Learning, développer et exploiter des algorithmes

4,4 / 5

Les algorithmes s'imposent comme l'un des sujets prédominants du Big Data. Ce sont les outils des méthodes exploratoires, explicatives ou prédictives que l'on applique aux données, dans le cadre du Machine Learning. Ce cours vous permettra d'acquérir les compétences nécessaires à l'utilisation d'Azure Machine Learning.

Inter

Intra

Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf. AZL

Prix : 2280 € H.T.

3j - 21h00

Pauses-café et
déjeuners offerts

Dates, lieux et Inscription

Nous contacter

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :

Prendre en main l'interface d'Azure Machine Learning
Choisir parmi plusieurs algorithmes équivalents selon une problématique
Découvrir les bases des langages R et Python pour augmenter les capacités d'Azure Machine Learning
Exploiter une expérience au travers d'un Web Service

Public concerné

Data Scientists, data miners, statisticiens, développeurs en charge de la mise en production des modèles.

Prérequis

Connaissances de base en statistiques (centrage, dispersion, corrélation, tests d'hypothèses). Des notions de programmation ou d'algorithmique peuvent être utiles.

Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant ce test.

Programme de la formation

Prise en main de l'interface Azure Machine Learning

L'offre Azure. Facturation à l'usage.
Prise en main de l'interface Machine Learning Studio.
Créer un dataset. Se connecter à une source de données.
Construire une expérience de ML.
Définir un Web Service prédictif.
La Gallery Cortana Intelligence.

Travaux pratiques

Prise en main de l'interface Azure ML. Création d'un dataset. Définition d'un Web Service prédictif.

Créer une expérience de Machine Learning

Utiliser l'arbre de choix des algorithmes.
Détecter les valeurs aberrantes.
Choisir les variables de l'algorithme (features sélection).
Initialiser le modèle, entraîner le modèle, évaluer le modèle.
Reformer un modèle prédictif.
Transformer les variables de l’algorithme (features engineering).
Limiter les lignes d’un jeu de données.

Travaux pratiques

Évaluer des différents algorithmes à l'aide de la courbe ROC.

Savoir paramétrer les grandes familles d'algorithmes

Algorithmes de clustering (approche non supervisée).
Algorithmes de régression linéaire.
Algorithmes de régression logistique ou ordinale.
Algorithmes de classification (approche supervisée) binaire ou one-versus-all.
Méthodes ensemblistes (forêt, jungle…).
Packages R et Python. Le framework Vowpall Wabbit.
Paramétrage des algorithmes.

Travaux pratiques

Paramétrer des familles d'algorithmes avec R/Python.

Traiter d'autres types de données

Analyser les séries temporelles, détecter les anomalies.
Analyse de données textuelles avec les packages R.
Appliquer un algorithme Vowpal Wabbit (Latent Dirichlet Analysis).
Exploiter les images avec notebooks Jupyter.

Travaux pratiques

Traitement des données texte ou image.

Découvrir les nouveaux outils autour d'Azure Machine Learning

Nouvelles briques Azure pour le ML (Experimentation / Model Management).
Inspection et préparation des données (transformations par exemple, transformations avancées).
Mise en œuvre des instances Azure Machine Learning.
Suivi des exécutions et des métriques d’évaluation.
Scénarios de déploiement (local/Spark/Docker/AKS).

Travaux pratiques

Préparation de données et transformations avancées.

Modalités pratiques

Exercice

Cas pratiques sur des données réalistes et volumineuses

Modalités d'évaluation

Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…

Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Solutions de financement

Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.

Il vous aidera à choisir parmi les solutions suivantes :

Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
Le dispositif FNE-Formation.
L’OPCO (opérateurs de compétences) de votre entreprise.
France Travail sous réserve de l’acceptation de votre dossier par votre conseiller France Travail.

Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
Le dispositif FNE-Formation.
L’OPCO (opérateurs de compétences) de votre entreprise.
France Travail sous réserve de l’acceptation de votre dossier par votre conseiller France Travail.

Avis clients

4,4 / 5

Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.

AYMERIC M.

27/05/24

5 / 5

Bonne présentation pour une première approche de Azure ML avec une importante dose de pratique pour bien s’approprier l’environement AML.

JEAN BAPTISTE A.

23/05/22

4 / 5

Contenu intéressant, intelligible et personnalisé

DAVID F.

24/01/22

4 / 5

Le contenu est bien. Etant Data Scientist, je connaissais déjà les parties théoriques sur les algos. Par contre très intéressant de voir plus loin que juste la pipeline de modèles et d’aller jusqu’à l’automatisation d’un webservice.

Horaires

En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.

En classe à distance, la formation démarre à partir de 9h.

Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.

Dates et lieux