Vous êtes ici
» MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ» »
Dimensionner, spécifier et conduire un projet de data-science
Cabas Femme Sac Rond Femme Paille Sac Rond Paille Sac Cabas hBQrdstCx

MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ

Objectifs: 

  • Comprendre  les étapes clés de gestion de projet de data science
  • Connaître les cas d’usage d’un sujet de data-science
  • Evaluer la réussite d’un projet de data-science
Façon De Capuche Drap Large Laine Manteau Blancheporte 3R5AL4j

Pour quels profils ?

  • Management et encadrement d’équipes data
  • Chef de projet en interface avec une équipe de data-science

 

Inscription à la formation

Doudoune Capuche Fourrure Fausse Capuche Fourrure Doudoune Fausse Femme Femme Doudoune xeodrCB
MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ
MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ
CAPTCHA

Programme: 

1. Introduction : démystifier le machine-learning

MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ

2. Le cycle d’un projet data-science

  • Définition du problème
    • Quel livrable?
    • Typologie de la donnée
    • De l’expert à la machine: formaliser les connaissances
  • Présentation des grandes familles de modèles et leurs applications
    • Régression
    • Classification
    • Apprentissage non-supervisé
  • Itérations: amélioration ou sur-apprentissage
    • Evaluer un modèle de machine-learning
    • Améliorations par itérations: « no free lunch theorem »
    • La question du sur-apprentissage
    • MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ
  • MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La La La La MaroquinerieAfricamontmartre La MaroquinerieAfricamontmartre MaroquinerieAfricamontmartre La XiPuOkZ

3. Conclusion

  • Retour sur les grands cas d’application
  • Retour d’expérience et échange sur les écueils à éviter