Du traitement des données au déploiement d’un modèle prédictif dans le cloud : Intelligence Artificielle et Machine Learning en Python
[5 jours] - [Français]
Vous avez de bonnes notions de programmation... Vous désirez découvrir les notions d'Intelligence artificielle et de Machine learning ? Vous comptez ensuite déployer vos modèles dans le cloud ? Cette école d'été est faite pour vous !
Power BI est un outil de business intelligence développé par Microsoft permettant une visualisation interactive des données.
Python est un langage de programmation interprété et orienté objet. Possédant moins de constructions syntaxiques, le langage Python se veut plus lisible comparé à d'autres langages orientés objet tels que C++, par exemple. Libre et disponible gratuitement, ce langage de programmation s'enrichit régulièrement de nouveaux modules mis à disposition par les utilisateurs.
La préparation des données regroupe toutes les manipulations du jeu de données préalables à son analyse.
La statistique descriptive a essentiellement pour but de présenter les données observées sous une forme telle qu'on puisse en prendre connaissance facilement : réalisation de graphiques, de tables de fréquences, calcul de la tendance centrale (moyenne, médiane, ...) de la dispersion des données (étendue, écart-type, variance, ...), visualisation de leur distribution, de la relation entre variables, etc.
Objectifs de la formation
Cette école d’été a pour objectif d’initier les participants aux différentes étapes nécessaires pour pouvoir extraire de l’information pertinente d’un large ensemble de données. La formation commencera par un tour d’horizon des bonnes pratiques à avoir lors du traitement, de la préparation et de la visualisation d’un jeu de données ainsi qu’une introduction aux différents rôles d’un data engineer. La formation se focalisera ensuite sur les concepts liés à la business intelligence et au machine learning. Nous verrons également comment exploiter le langage Python afin de déployer des modèles en production sur le cloud. L’illustration des différents concepts théoriques sera faite à l’aide d’un cas d’usage fil rouge basé sur l’analyse et la prédiction du churn.
Prérequis
Les participants devront posséder de bonnes connaissances ainsi qu’une certaine expérience en programmation. Des connaissances de base en Python peuvent être utiles.
Contenu
Traitement et Visualisation des données en Python
- Prendre conscience des premiers réflexes à avoir en se lançant dans un projet data science.
- Apprendre à se poser les bonnes questions : fondements de l’approche scientifique.
- Présenter les librairies de traitement et visualisation de données de Python (telle que pandas, matplotlib, seaborn) afin d’explorer et auditer les données sur le churn.
- Cette partie se voudra complémentaire aux premières explorations faites en Python.
- Découvrir Power BI, un outil de visualisation régulièrement utilisé dans l’industrie, en apprendre les principes de base et réaliser des premières visualisations.
- Apprendre les différents moyens d’importer des données dans Power BI, ainsi que réaliser un premier traitement grâce au Power Query.
- Comprendre le fonctionnement du DAX, l’outil de calcul intégré à Power BI, pour créer des nouvelles variables et mesures.
- Approfondir les différents niveaux des hiérarchies et utiliser les filtres.-Appliquer les apprentissages en réalisant un premier rapport complet.
- Définir les rôles et responsabilités des Data Engineers.
- Parcourir les concepts clés du Data Engineering : Pipelines, Modélisation, Qualité, Catalogue, Gouvernance et DevOps.
- Illustrer les outils exploités pour mettre en oeuvre ces concepts.
- Présenter un aperçu de l’intelligence artificielle et de l’apprentissage automatique (machine learning) et découvrir les différents types d’algorithmes d’IA et de ML.
- Introduire et explorer le concept d’IA en tant que service (Alaas) en découvrant les différents types d’offres disponibles et comment les organisations peuvent bénéficier de l’utilisation de ces services.-Présenter les principales fonctionnalités et capacités de Amazon SageMaker.
- Présenter les différentes étapes du processus de développement du modèle ML, y compris la préparation des données, l’entrainement, l’évaluation et le déploiement.
- Découvrir les concepts et principes fondamentaux du cloud computing et comment ils s’appliquent à la data science.
- Approfondir les possibilités de stockage dans le cloud, les architectures de cloud computing et les outils de traitement et d’analyse de données basés sur le cloud.
Tarif
Cette formation est reconnue par l'IABE et permet de ce fait aux participant·es d'obtenir des points CPD.
(Ceci est d'ailleurs vrai pour l'entièreté de l'offre de formations du SMCS.)
Outils utilisés durant la formation
Python / Power BI
Méthodes et familles de méthodes abordées
Préparation des données
Statistique descriptive
Machine Learning
Intelligence Artificielle
Veuillez vous identifier pour vous inscrire à cette formation.
Il est nécessaire de créer un compte pour une première utilisation de nos services.