Partie II : Apprivoisez le Machine Learning sur les données tabulaires.

• Cycle de développement d'un algorithme d'IA : Découvrez les grandes étapes de conception d'un algorithme d'intelligence artificielle, de la préparation de données à l'analyse de la performance.
• Analyses prédictives : Modélisation quantitatives des dynamiques entre données continues, avec des algorithmes statistiques classiques et de Machine Learning (sklearn et PyCaret)
• Apprentissage automatique des classes (labels) dans des jeux de données annotés; diagnostic des performances via des analyses de précision/rappel
• Clustering : Détection/segmentation automatique de groupes partageant des caractéristiques proches, via de l'apprentissage non-supervisé.

  Partie III : Prédisez le futur ! Analyse de saisonnalité : Décomposition de série temporelle pour extraire leurs variations saisonnières et leurs tendances de fond (analyse STL : Season + Trend + Remainder)
  

  • Prédiction temporelle : Algorithmes ARIMA et lissage exponentiel pour prédire le futur probable. Explorez d'autres approches Machine learning avec les librairies de Facebook et Linkedin : Prophet et Greykite.
  • Détection d'anomalie : Identification des points remarquables et changements de régime.

    
    Partie IV : Projets de fin

    Travaillez sur vos propres données avec notre aide ou travaillez sur les données d'un de nos partenaires pour valider la formation.