Construisez vos propres Modèles et Applications de Machine Learning

Apprenez les bases pour créer des modèles de Machine Learning et des applications d'IA Générative

Formation créée le 27/09/2024. Dernière mise à jour le 20/05/2025.
Version du programme : 1

Type de formation

Formation mixte

Durée de formation

7 heures (1 jour)

Accessibilité

Oui

Construisez vos propres Modèles et Applications de Machine Learning

Apprenez les bases pour créer des modèles de Machine Learning et des applications d'IA Générative


A la fin de la formation, vous serez capables de construire des modèles de Machine Learning avec Scikitlearn. Les participants seront introduits aux modèles pré-entraînés de Hugging Face pour interagir avec les IA Génératives avec du code.

Objectifs de la formation

  • Construire des modèles ML simples avec Scikit-learn.
  • Intégrer les concepts de régression et de classification.
  • Introduire les modèles pré-entraînés de HuggingFace pour des tâches d’IA Générative.
  • Se familiariser avec Google Colab pour les projets ML.

Profil des bénéficiaires

Pour qui
  • Analystes de données
  • Data scientists
  • Ingénieurs souhaitant acquérir une expérience pratique en création de modèles ML.
  • Professionnels ayant une expérience technique cherchant à exploiter le ML.
Prérequis
  • Connaissance de base de la programmation Python
  • Notions d'informatique
  • Etre en possession d'un ordinateur
  • Avoir un compte Google
  • Notions de base en data analyse avec Python

Contenu de la formation

Introduction à la création de Modèles de Machine Learning - 2h
Modèles de Régression et de Classification - 3h
Introduction à HuggingFace et Modèles Génératifs Pré-entraînés - 2h

Équipe pédagogique

Arturo GUIZAR 🚀 Passionné par les nouvelles technologies associées à l'Internet d'Objets et l'Intelligence Artificielle. 🎯 J'ai créé un studio (datalo.co) pour donner aux entreprises les moyens d'agir grâce à la Data Science. 💻 Consultant et Teacher en Machine Learning et Data Science (EM Lyon, Le Wagon, Simplon, Open Classroom, INSEEC). 🎓 Academic: PhD en Traitement de signal (Inria), M.Sc en Télécommunications (INSA de Lyon), Certification en Data Science (MIT). 🌱 J'aime contribuer au développement de l'écosystème d'entrepreneurs à Lyon (Startup Weekend, Techstars).

Suivi de l'exécution et évaluation des résultats

  • Feuilles de présence
  • Auto -évaluation du stagiaire sur les objectifs pédagogiques en amont de la formation
  • Auto -évaluation du stagiaire sur les objectifs pédagogiques en fin de formation
  • Évaluation des atteintes des objectifs des stagiaires par le formateur
  • Certificat de réalisation de formation
  • QCM
  • Exercices pratiques de création de modèles de régression/classification

Ressources techniques et pédagogiques

  • Exercices : Construire un modèle de régression simple avec Scikit-learn dans Google Colab.
  • Exercice : Construire et évaluer un modèle de classification dans Google Colab.
  • Exercice : Utiliser un modèle pré-entraîné de Hugging Face pour une tâche de génération de texte.

Qualité et satisfaction

satisfaction stagiaires / nombre de stagiaires

Capacité d'accueil

Entre 10 et 15 apprenants

Délai d'accès

12 jours

Accessibilité

Les situations de handicap seront étudiées au cas par cas.