Ecole d'hiver - Du traitement des données au déploiement d’un modèle prédictif dans le cloud : Intelligence Artificielle et Machine Learning en Python
[5 jours] - [débute le 27-01-2025 à 09:00] - [Français] - [Louvain-la-Neuve]
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'hiver est faite pour vous !
En collaboration avec 
Sélectionné par 
BROCHURE DE LA FORMATION Avec l’évolution vers un monde de plus en plus numérique, les données à notre disposition, qu’elles soient passées ou présentes, chiffrées ou textuelles, deviennent de plus en plus colossales. L’UCLouvain, par l’intermédiaire de sa plateforme de Support en Méthodologie et Calcul Statistique (SMCS), a décidé d’ouvrir à la communauté scientifique et aux entreprises la possibilité de se former aux techniques d’analyse, de plus en plus complexes, qui nous sont offertes. C’est ainsi qu’est née cette école d’hiver, un réel tremplin vers une meilleure connaissance de notre monde. Pour cette édition, nous illustrerons les étapes essentielles à la bonne exploitation de larges bases de données via plusieurs conseils en traitement et visualisation de données mais aussi au travers de techniques d’intelligence artificielle et de machine learning.
L'école d'hiver
Objectifs de la formation
Cette école d’hiver 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 une certaine expérience en programmation et analyse de données. 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.
- 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 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.
Lieu
Louvain-la-Neuve : SOCRATE 031-032 - Localiser l'adresse sur Google Maps
(Cette salle est climatisée. Prévoyez de quoi vous couvrir !)
- Place Cardinal Mercier, 10-12 - Rez-de-chaussée -
Public
Cette école d'hiver est accessible à tous moyennant inscription et paiement préalables. Reconnue par l'IABE, l'école d'hiver donne lieu à des points CPD (6.5 / jour).
Le tarif de la formation est le suivant :
Jusqu'au 20 novembre 2024 :
- Membre UCLouvain ou chercheur d'une autre Université : 500€
- Personne externe à l'UCLouvain : 1250€
A partir du 20 novembre 2024 :
- Membre UCLouvain ou chercheur d'une autre Université : 750€
- Personne externe à l'UCLouvain : 1500€
Les frais d’inscription sont dus dès l’inscription et seront facturés dans leur intégralité en cas d’annulation par le participant après le 20 novembre. Si l’annulation est demandée par écrit avant cette date, seule une retenue de 150€ pour frais administratifs sera opérée.
Le maintien de l’école d’hiver est conditionné par l’inscription d’un nombre suffisant de participants. Les participants seront tenus informés d’une éventuelle annulation au plus tard le 2 janvier. En cas d’annulation, le montant payé pour l’inscription sera reversé dans son intégralité.
Plage horaire de la formation
27-01-2025 de 09:00 à 17:30
28-01-2025 de 09:00 à 17:30
29-01-2025 de 09:00 à 17:30
30-01-2025 de 09:00 à 17:30
31-01-2025 de 09:00 à 17:30
Tarif
Membre UCLouvain, Facture honorée par une université, Etudiant UCLouvain, Chercheur, Membre SHS Namur : 100 euros par jour soit un total de 500 euros
Entreprise, Membre des Cliniques UCLouvain, Particulier, Demandeur demploi : 250 euros par jour soit un total de 1250 euros
en savoir plus (ouvrir)
Outils utilisés durant la formation
Power BI / Python
Méthodes et familles de méthodes abordées
Préparation des données
Statistique descriptive
Machine Learning
Intelligence Artificielle
30 places disponibles.
Veuillez vous identifier pour vous inscrire à cette formation.
Il est nécessaire de créer un compte pour une première utilisation de nos services.