Objectifs de la formation

Maîtriser des modèles plus complexes, en particulier les méthodes d’ensemble reposant sur les techniques de bagging et de boosting, utiliser et optimiser des modèles de pénalisation (lasso et elasticnet), comprendre la technique de ré-échantillonnage par bootstrap pour l’estimation et la validation croisée, savoir mettre en oeuvre les techniques de filtrage collaboratif. À l’issue de cette formation, le participant aura une vision globale des différentes techniques de modélisation multivariée.

Infos pratiques

}

Durée de la formation

3 journées soit 21h

Niveau de la formation

Intermédiaire

Nombre de participants

1 à 8 personnes - conseillé

Pré-requis

Avoir suivi le module « Bases du Machine learning »

Le programme

JOUR 1

  • L’exploration avancée des données :
    • DBSCAN, algorithme de clustering de données non supervisées
    • Manifold Learning

JOUR 2

  • Gaussian Mixture Modelling (GMM)
  • Optimiser des modèles de pénalisation avec Lasso et elasticnet (régression, PLS)

En savoir plus

Cette formation comprend

  • Supports de cours numériques
  • Audit et formation avec vos données
  • Formation métier adaptée
  • Animation par un expert
  • SAV illimité par email d’un an

Démarrez votre projet !

RITME

72 rue des archives
75003, PARIS

Par téléphone

+33 (0)1 42 46 42 10

Courriel

datasolutions@ritme.com