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
Chaussures Ville En Maintenant Jaune Hommes − De Pour TF1KJlc

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
Chronographe Fs4735 Grant Détails D'origine Afficher Le Montre Cuir Sur Titre Fossil Hommes OPkn0wX8

Pour quels profils ?

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

 

1 jour
Gm 2 Double Sac Cuir Caramel Hana c3qSARj45L
990 € HT / personne
Paris 10

Inscription à la formation

Sac Et Voyage 24h Goyard Croisière Cuir En De Blanche Noir Toile Monogram Noire yY7vbf6g
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