Formation - L'apprentissage Machine en Python (SciKit-Learn)

1 - L'écosystème SciKit Learn

• Origine
• Missions et évolutions
• Architecture
• Modules
• Atelier pratique : Installation de l'écosystème (PC, MAC, LINUX)

2 - Bonnes pratiques SciKit Learn : la récupération de données

• L'API dédiée aux jeux de données
• Problématique des grands jeux de données
• Les jeux de données internes au framework
• La génération de données artificielles
• L'accès aux données ouvertes
• Méthodologies de chargement de données externes
• Atelier pratique : Collecte de données sur un cas concret

3 - Bonnes pratiques SciKit Learn : le prétraitement

• Cadre et rôle du prétraitement
• Méthodes de mise à l'échelle des données
• Normalisation des données
• Traitement des données catégorielles
• Traitement des données manquantes
• Atelier pratique : Prétraitement des données dans un cas concret

4 - Bonnes pratiques SciKit Learn : l'ingénierie des variables prédictives

• Cadre et rôle de l'ingénierie des variables prédictives
• Transformations non linéaires
• Algorithmes de réduction dimensionnelle de données
• L'extraction automatique de traits (textes, images)
• Combinaison et transformations ad-hoc des données
• Atelier pratique : Ingénierie des variables prédictives sur un cas concret

5 - Bonnes pratiques SciKit Learn : la modélisation

• Cartographie des algorithmes de l'écosystème
• Tour de l'apprentissage supervisé avec SciKit Learn
• Tour de l'apprentissage non supervisé avec SciKit Learn
• En pratique, mode de sélection d'algorithmes pertinents
• Atelier pratique : L'apprentissage supervisé et non supervisé sur cas concrets

6 - Bonnes pratiques SciKit Learn : sélection et optimisation des modèles

• Présentation et usage des outils de combinaison et de chaînage de processus
• L'évaluation de performance par validation-croisée
• Le réglage des hyper-paramètres d'un modèle
• Les APIs d'évaluation des modèles de prédiction
• Les différentes courbes d'évaluations de modèles de prédictions
• Atelier pratique : Sélection de modèle, et optimisation des réglages

7 - Bonnes pratiques SciKit Learn : industrialisation et déploiement

• Persistance des modèles
• Scaling des applications de prédictions avec SciKit Learn
• Problématiques de latence et de débit à l'exécution
• La parallélisation
• La gestion de l'environnement Python associé
• Atelier pratique : Industrialisation d'une application de prédiction