Python pour l’Intelligence Artificielle et la Data Science

Cette e-formation sur le langage Python permet d’expérimenter les techniques d’Intelligence Artificielle et de Data Science mises en oeuvre dans la réalisation de modèles de type NLP, l’analyse de gros volumes de données ou encore le développement de modèles neuronaux avec TensorFlow.

Objectif

Prérequis

À qui s'adresse la formation ?

Cette formation est destinée aux :

Programme

Le Machine Learning avec Python – De la théorie à la pratique

La Data Science
• Le langage Python
• La bibliothèque NumPy
• La bibliothèque Pandas
• Travailler avec Jupyter
• Statistiques
• La régression linéaire et polynomiale
• La régression logistique
• Arbres de décision et Random Forest
• L’algorithme k-means
• Support Vector Machine
• Analyse en composantes principales
• Les réseaux de neurones
• Le Deep Learning avec TensorFlow
• Le traitement automatique du langage
• La programmation orientée objet avec Python

Python pour la Data Science

Python et la Data Science
• Visualisation de données
• Les statistiques inférentielles avec Python
• Modélisation multivariée avec Python

Natural Language Processing (NLP) avec Python

Introduction au Natural Language Processing (NLP)
• Manipulation et préparation des données textuelles avec Python
• La vectorisation de données
• Modélisation NLP avec Random Forest

Les réseaux de neurones avec TensorFlow

Les réseaux de neurones
• L’algorithme de rétropropagation
• Introduction à TensorFlow 2
• Les réseaux de neurones avec TensorFlow 2

Eligibilité CPF

💡 À noter : Cette formation est intégrée dans notre parcours certifiant, éligible au CPF.
RNCP37873BC02

Cours

13h à 15

Pourquoi devriez-vous y participer ?

À qui s'adresse la formation ?

Cette formation est destinée aux :

Prérequis

Objectifs d’apprentissage

À l’issue de la formation, vous serez capable de :

Programme de la formation

La formation se déroule sur quatre jours :

Approche pédagogique

Examen de certification PECB

L’examen dure 3 heures et couvre les domaines suivants :