Les formations Machine Learning

Les formations Machine Learning

L'apprentissage automatique ou apprentissage statistique, champ d'étude de l'intelligence artificielle, concerne la conception, l'analyse, le développement et l'implémentation de méthodes permettant à une machine (au sens large) d'évoluer par un processus systématique, et ainsi de remplir des tâches difficiles ou problématiques à remplir par des moyens algorithmiques plus classiques.

Nos Clients témoignent

★★★★★
★★★★★

Plans de cours Machine Learning

CodeNomDuréeAperçu
aiintArtificial Intelligence Overview7 heuresCe cours a été créé pour les responsables, les architectes de solutions, les responsables de l’innovation, les directeurs techniques, les architectes de logiciels et toute personne intéressée par un aperçu de l’intelligence artificielle appliquée et les prévisions les plus proches pour son développement.
mldtMachine Learning et Deep Learning21 heuresCe cours couvre l'IA (en insistant sur l'apprentissage automatique et l'apprentissage profond) .
pythonadvmlPython for Advanced Machine Learning21 heuresDans cette formation en ligne, les participants apprendront les techniques d'apprentissage automatique les plus pertinentes et les plus avancées de Python, tout en construisant une série d'applications de démonstration impliquant des images, de la musique, du texte et des données financières À la fin de cette formation, les participants seront en mesure de: Implémenter des algorithmes d'apprentissage automatique et des techniques pour résoudre des problèmes complexes Appliquer l'apprentissage en profondeur et l'apprentissage semi-supervisé aux applications impliquant des données d'image, de musique, de texte et financières Pousser les algorithmes Python à leur potentiel maximal Utiliser des bibliothèques et des paquets tels que NumPy et Theano Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
dsstneAmazon DSSTNE: Build a recommendation system7 heuresAmazon DSSTNE est une bibliothèque opensource pour la formation et le déploiement de modèles de recommandation Il permet aux modèles avec des matrices de poids trop grandes pour qu'un seul GPU soit formé sur un seul hôte Dans cette formation en ligne, les participants apprendront à utiliser DSSTNE pour créer une application de recommandation À la fin de cette formation, les participants seront en mesure de: Former un modèle de recommandation avec des jeux de données fragmentés en entrée Modèles d'entraînement et de prédiction à l'échelle sur plusieurs GPU Répartir le calcul et le stockage de façon parallèle Générer des recommandations de produits personnalisés Amazonlike Déployez une application productiveready pouvant évoluer à des charges de travail lourdes Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
snorkelSnorkel: Rapidly Process Training Data7 heuresSnorkel est un système permettant de créer, modéliser et gérer rapidement des données d'entraînement Il se concentre sur l'accélération du développement d'applications d'extraction de données structurées ou «sombres» pour des domaines dans lesquels de grands ensembles d'apprentissage étiquetés ne sont pas disponibles ou faciles à obtenir Dans cette formation en ligne, les participants apprendront des techniques pour extraire de la valeur à partir de données non structurées telles que du texte, des tableaux, des figures et des images grâce à la modélisation des données d'entraînement avec Snorkel À la fin de cette formation, les participants seront en mesure de: Créer par programmation des ensembles d'entraînement pour permettre l'étiquetage d'ensembles d'entraînement massifs Former des modèles finaux de haute qualité en commençant par modéliser des ensembles d'entraînement bruyants Utiliser Snorkel pour implémenter de faibles techniques de supervision et appliquer la programmation de données à des systèmes d'apprentissage machine faiblement supervisés Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
facebooknmtFacebook NMT: Setting up a Neural Machine Translation System7 heuresFairseq est une trousse d'outils d'apprentissage de la séquence séquentielle opensource créée par Facebok pour une utilisation dans la traduction automatique neurale (NMT) Dans le cadre de cette formation, les participants apprendront comment utiliser Fairseq pour effectuer la traduction du contenu de l'échantillon À la fin de cette formation, les participants auront les connaissances et la pratique nécessaires pour mettre en œuvre une solution de traduction automatique basée sur Fairseq Public Spécialistes de la localisation avec un bagage technique Les gestionnaires de contenu globaux Ingénieurs de localisation Les développeurs de logiciels en charge de la mise en œuvre de solutions de contenu global Format du cours Partie conférence, partie de discussion, pratique handson lourde Remarque Si vous souhaitez utiliser un contenu spécifique en langue source et cible, veuillez nous contacter pour organiser .
mchdeeplearnIntroduction à l’intelligence artificielle : outils et enjeux14 heures
intrdplrngrsneuingIntroduction Deep Learning & Réseaux de neurones pour l’ingénieur21 heuresType : Formation théorique avec applications décidées en amont avec les élèves sur Lasagne ou Keras selon le groupe pédagogique

Méthode pédagogique : présentation, échanges et études de cas

L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands media relève souvent du fantasme, très éloignée de ce que sont réellement les domaines du Machine Learning ou du Deep Learning. L’objet de cette formation est d’apporter à des ingénieurs ayant déjà une maîtrise des outils informatiques (dont une base de programmation logicielle) une introduction au Deep Learning ainsi qu’à ses différents domaines de spécialisation et donc aux principales architectures de réseau existant aujourd’hui. Si les bases mathématiques sont rappelées pendant le cours, un niveau de mathématique de type BAC+2 est recommandé pour plus de confort. Il est dans l’absolu possible de faire l’impasse sur l’axe mathématique pour ne conserver qu’une vision « système », mais cette approche limitera énormément votre compréhension du sujet.
opennmtOpenNMT: Setting Up a Neural Machine Translation System7 heuresOpenNMT est un système de traduction automatique à base de neurones opensource (MIT) qui utilise la boîte à outils mathématique de Torch Dans cette formation, les participants apprendront comment configurer et utiliser OpenNMT pour effectuer la traduction de divers exemples de données Le cours commence par un aperçu des réseaux de neurones tels qu'ils s'appliquent à la traduction automatique Les participants effectueront des exercices en direct tout au long du cours pour démontrer leur compréhension des concepts appris et obtenir des commentaires de l'instructeur À la fin de cette formation, les participants auront les connaissances et la pratique nécessaires pour mettre en œuvre une solution OpenNMT en direct Les échantillons de langue source et cible seront pré-arrangés selon les besoins de l'auditoire Public Spécialistes de la localisation avec un bagage technique Les gestionnaires de contenu globaux Ingénieurs de localisation Les développeurs de logiciels en charge de la mise en œuvre de solutions de contenu global Format du cours Partie conférence, partie de discussion, pratique handson lourde .
mlentreMachine Learning Concepts for Entrepreneurs and Managers21 heuresCe cours de formation est destiné aux personnes qui souhaitent appliquer Machine Learning dans des applications pratiques pour leur équipe La formation ne plonge pas dans les aspects techniques et tourne autour des concepts de base et des applications commerciales / opérationnelles de la même chose Public cible Investisseurs et entrepreneurs IA Managers et ingénieurs dont l'entreprise s'aventure dans l'espace IA Analystes d'affaires et investisseurs .
octnpOctave not only for programmers21 heuresLe cours est dédié à ceux qui aimeraient connaître un programme alternatif au package commercial MATLAB La formation threeday fournit des informations complètes sur le déplacement dans l'environnement et l'exécution du package OCTAVE pour l'analyse des données et les calculs d'ingénierie Les bénéficiaires de la formation sont des débutants, mais aussi ceux qui connaissent le programme et voudraient systématiser leurs connaissances et améliorer leurs compétences La connaissance d'autres langages de programmation n'est pas requise, mais cela facilitera grandement l'acquisition de connaissances par les apprenants Le cours vous montrera comment utiliser le programme dans de nombreux exemples pratiques .
OpenNNOpenNN: Mise en Oeuvre de Réseaux Neurone14 heuresOpenNN est une bibliothèque de classes opensource écrite en C ++ qui implémente des réseaux de neurones, pour une utilisation dans l'apprentissage automatique Dans ce cours, nous allons sur les principes des réseaux de neurones et utilisons OpenNN pour implémenter un exemple d'application Public Les développeurs de logiciels et les programmeurs souhaitant créer des applications Deep Learning Format du cours Conférence et discussion couplées à des exercices pratiques .
TorchTorch: Getting started with Machine and Deep Learning21 heuresTorch est une bibliothèque d'apprentissage automatique open source et un framework d'informatique scientifique basé sur le langage de programmation Lua Il fournit un environnement de développement pour les numériques, l'apprentissage automatique et la vision par ordinateur, avec un accent particulier sur l'apprentissage en profondeur et les réseaux convolutifs C'est l'un des frameworks les plus rapides et les plus flexibles pour Machine and Deep Learning Il est utilisé par des entreprises telles que Facebook, Google, Twitter, NVIDIA, AMD, Intel et bien d'autres Dans ce cours, nous couvrons les principes de Torch, ses caractéristiques uniques, et comment il peut être appliqué dans des applications réelles Nous traversons de nombreux exercices tout au long, tout en démontrant et en pratiquant les concepts appris À la fin du cours, les participants auront une compréhension approfondie des caractéristiques et des capacités sous-jacentes de Torch, ainsi que de son rôle et de sa contribution dans l'espace IA par rapport à d'autres frameworks et bibliothèques Les participants auront également reçu la pratique nécessaire pour mettre en œuvre Torch dans leurs propres projets Public Les développeurs de logiciels et les programmeurs souhaitant activer Machine et Deep Learning dans leurs applications Format du cours Vue d'ensemble de la machine et de l'apprentissage profond Inclure les exercices de codage et d'intégration Poser des questions de test en cours de route pour vérifier la compréhension .
datamodelingPattern Recognition35 heuresCe cours fournit une introduction dans le domaine de la reconnaissance des formes et de l'apprentissage automatique Il touche à des applications pratiques en statistique, en informatique, en traitement du signal, en vision par ordinateur, en exploration de données et en bioinformatique Le cours est interactif et comprend de nombreux exercices manuels, des commentaires des instructeurs et des tests des connaissances et des compétences acquises Public Analystes de données Doctorants, chercheurs et praticiens .
aiautoIntelligence Artificielle pour l'Automobile14 heuresCe cours couvre l'IA (mettant l'accent sur l'apprentissage automatique et l'apprentissage profond) dans l'industrie automobile Il aide à déterminer quelle technologie peut (potentiellement) être utilisée dans une situation multiple dans une voiture: de l'automatisation simple, de la reconnaissance d'image à la prise de décision autonome .
mlintroIntroduction to Machine Learning7 heuresCette formation s'adresse aux personnes souhaitant appliquer des techniques d'apprentissage de base dans des applications pratiques.

Public

Des scientifiques de données et des statisticiens familiarisés avec l’apprentissage automatique et sachant programmer R. L’accent est mis sur les aspects pratiques de la préparation des données et des modèles, de leur exécution, de leur analyse et de leur visualisation. L'objectif est de donner une introduction pratique à l'apprentissage automatique aux participants intéressés par l'application des méthodes au travail.

Des exemples spécifiques à un secteur sont utilisés pour rendre la formation pertinente pour le public.
aiintrozeroFrom Zero to AI35 heuresCe cours est créé pour les personnes qui n'ont aucune expérience en probabilités et statistiques .
systemmlApache SystemML for Machine Learning14 heuresApache SystemML est une plateforme d'apprentissage automatique distribuée et déclarative SystemML fournit un apprentissage machine déclaratif à grande échelle (ML) qui vise à la spécification flexible des algorithmes ML et à la génération automatique de plans d'exécution hybrides allant du simple noeud, calculs inmémoires, aux calculs distribués sur Apache Hadoop et Apache Spark Public Ce cours convient aux chercheurs, développeurs et ingénieurs de Machine Learning souhaitant utiliser SystemML comme cadre d'apprentissage automatique .
predioMachine Learning avec PredictionIO21 heuresPredictionIO est un serveur d'apprentissage automatique basé sur une pile open source open source Public Ce cours s'adresse aux développeurs et aux spécialistes des données qui souhaitent créer des moteurs prédictifs pour toute tâche d'apprentissage automatique .
dmmlrData Mining & Machine Learning avec R14 heuresR est un langage de programmation sans opensource pour le calcul statistique, l'analyse de données et les graphiques R est utilisé par un nombre croissant de gestionnaires et d'analystes de données au sein des entreprises et des universités R a une grande variété de paquets pour l'exploration de données .
mlfsasLes Fondamentaux du Machine Learning avec Scala et Apache Spark14 heuresLe but de ce cours est de fournir une compétence de base dans l'application des méthodes d'apprentissage automatique dans la pratique Grâce à l'utilisation du langage de programmation Scala et de ses diverses bibliothèques, et à partir d'une multitude d'exemples pratiques, ce cours enseigne comment utiliser les modules les plus importants de Machine Learning, comment prendre des décisions de modélisation, interpréter les résultats des algorithmes et valider les résultats Notre objectif est de vous donner les compétences pour comprendre et utiliser avec confiance les outils les plus fondamentaux de la boîte à outils Machine Learning et éviter les pièges courants des applications Data Sciences .
bspkannmldtRéseau de Neurones Artificiels, Machine Learning et Deep Thinking21 heuresLe réseau neuronal artificiel est un modèle informatique utilisé dans le développement de systèmes d'intelligence artificielle (IA) capables d'effectuer des tâches "intelligentes". Les réseaux neuronaux sont couramment utilisés dans les applications d'apprentissage automatique (Machine Learning, ML), qui sont elles-mêmes une implémentation d'AI. Deep Learning est un sous-ensemble de ML.
matlabml1Introduction au Machine Learning avec MATLAB21 heuresMATLAB is a numerical computing environment and programming language developed by MathWorks.
mlrobot1Machine Learning pour la Robotique21 heuresCe cours présente les méthodes d'apprentissage automatique dans les applications robotiques.

C'est un large aperçu des méthodes existantes, des motivations et des idées principales dans le contexte de la reconnaissance des formes.

Après une courte formation théorique, les participants effectueront des exercices simples en utilisant le logiciel libre (généralement R) ou tout autre logiciel populaire.
bspkamlMachine Learning21 heuresCe cours sera une combinaison de théorie et de travail pratique avec des exemples spécifiques utilisés tout au long de l'événement .
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 heuresLe réseau neuronal artificiel est un modèle informatique utilisé dans le développement de systèmes d'intelligence artificielle (IA) capables d'effectuer des tâches "intelligentes". Les réseaux neuronaux sont couramment utilisés dans les applications d'apprentissage automatique (Machine Learning, ML), qui sont elles-mêmes une implémentation d'AI. Deep Learning est un sous-ensemble de ML.
MLFWR1Machine Learning Fundamentals with R14 heuresLe but de ce cours est de fournir une compétence de base dans l'application des méthodes d'apprentissage automatique dans la pratique Grâce à l'utilisation de la plate-forme de programmation R et de ses diverses bibliothèques, et à partir d'une multitude d'exemples pratiques, ce cours enseigne comment utiliser les modules les plus importants de Machine Learning, comment prendre des décisions de modélisation, interpréter les résultats des algorithmes et valider les résultats Notre objectif est de vous donner les compétences pour comprendre et utiliser avec confiance les outils les plus fondamentaux de la boîte à outils Machine Learning et éviter les pièges courants des applications Data Sciences .
mlfunpythonMachine Learning avec Python, les Fondamentaux14 heuresLe but de ce cours est de fournir une compétence de base dans l'application des méthodes d'apprentissage automatique dans la pratique Grâce à l'utilisation du langage de programmation Python et de ses diverses bibliothèques, et à partir d'une multitude d'exemples pratiques, ce cours enseigne comment utiliser les modules les plus importants de Machine Learning, comment prendre des décisions de modélisation, interpréter les résultats des algorithmes et valider les résultats Notre objectif est de vous donner les compétences pour comprendre et utiliser avec confiance les outils les plus fondamentaux de la boîte à outils Machine Learning et éviter les pièges courants des applications Data Sciences .
appliedmlApplied Machine Learning14 heuresCette formation s'adresse aux personnes souhaitant appliquer Machine Learning dans des applications pratiques.

Public

Ce cours est destiné aux scientifiques de données et aux statisticiens qui connaissent bien les statistiques et savent comment programmer R (ou Python ou autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation des données / modèles, de leur exécution, de l'analyse post hoc et de la visualisation.

L'objectif est de donner des applications pratiques à l'apprentissage automatique aux participants intéressés par l'application des méthodes au travail.

Des exemples spécifiques à un secteur sont utilisés pour rendre la formation pertinente pour le public.
radvmlAdvanced Machine Learning with R21 heuresDans cette formation en direct, les participants apprendront des techniques avancées d'apprentissage automatique avec R tout en progressant dans la création d'une application Realworld À la fin de cette formation, les participants seront en mesure de: Utiliser des techniques comme l'accord hyperparamétrique et l'apprentissage profond Comprendre et mettre en œuvre des techniques d'apprentissage non supervisées Mettez un modèle en production pour l'utiliser dans une application plus grande Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .

Prochains cours Machine Learning

FormationDate FormationPrix [A distance / Classe]
Artificial Neural Networks, Machine Learning, Deep Thinking - Formation Onlinemer, 2018-09-05 09:305250EUR / 6050EUR
Les Fondamentaux du Machine Learning avec Scala et Apache Spark - Lyon, Gare Lyon Part-Dieumer, 2018-09-05 09:303500EUR / 4100EUR
Facebook NMT: Setting up a Neural Machine Translation System - Orléans, gare centralejeu, 2018-09-06 09:301500EUR / 1900EUR
Deep Learning for Banking (with Python) - Poitierslun, 2018-09-17 09:307000EUR / 8000EUR
DeepLearning4J for Image Recognition - Bordeaux, Mériadeckmar, 2018-09-18 09:305250EUR / 6050EUR
Weekend Machine Learning cours, Soir Machine Learning formation, Machine Learning stage d’entraînement, Machine Learning formateur à distance, Machine Learning formateur en ligne, Machine Learning formateur Online, Machine Learning cours en ligne, Machine Learning cours à distance, Machine Learning professeur à distance, Machine Learning visioconférence, Machine Learning stage d’entraînement intensif, Machine Learning formation accélérée, Machine Learning formation intensive, Formation inter Machine Learning, Formation intra Machine Learning, Formation intra Enteprise Machine Learning, Formation inter Entreprise Machine Learning, Weekend Machine Learning formation, Soir Machine Learning cours, Machine Learning coaching, Machine Learning entraînement, Machine Learning préparation, Machine Learning instructeur, Machine Learning professeur, Machine Learning formateur, Machine Learning stage de formation, Machine Learning cours, Machine Learning sur place, Machine Learning formations privées, Machine Learning formation privée, Machine Learning cours particulier, Machine Learning cours particuliers

Réduction spéciale

Formation Lieu Date Formation Prix [A distance / Classe]
Ubuntu Server Overview Clermont-Ferrand, ZI Le Brézet mar, 2018-08-28 09:30 1350EUR / 1750EUR
OCEB Certified Expert in BPM - Business Advanced Exam Preparation Poitiers mer, 2018-10-03 09:30 1575EUR / 1975EUR
One Day Workshop for PEAP Authentication of Windows 7 Supplicant using a Cisco Switch as Authenticator and Windows 2008 R2 Server Amiens, Centre Ville ven, 2018-10-05 09:30 1350EUR / 1750EUR
Distributed Messaging with Apache Kafka Nantes, Zenith mar, 2018-10-09 09:30 2970EUR / 3570EUR
Protractor: End-to-end testing for Angular web applications Paris, Opera Bourse jeu, 2018-10-18 09:30 2970EUR / 3570EUR
MongoDB for Developers Marseille, Quartier du Prado lun, 2018-11-19 09:30 2700EUR / 3300EUR

Newsletter offres spéciales

Nous respectons le caractère privé de votre adresse mail. Nous ne divulguerons ni ne vendrons votre adresse email à quiconque
Vous pouvez toujours modifier vos préférences ou vous désinscrire complètement.

Nos clients