Description formation en cours de construction
En cours de construction
Introduction à Python
Compétences à acquérir
- Décomposer un problème en tâches pour structurer sa solution en classes et objets.
- Utiliser et expliquer le vocabulaire technique de la programmation, un élément clé pour communiquer efficacement avec d'autres développeurs.
- Traduire ses problématiques scientifiques en langage Python, développer sa capacité d’abstraction.
- User l'héritage de la programmation orientée objet : créer des classes et classes dérivées.
- Utiliser le langage de programmation pour récolter et analyser des données.
- Reconnaître et utiliser les principaux éléments de la syntaxe du langage Python.
- Spécifier, c
Compétences à acquérir
- Décomposer un problème en tâches pour structurer sa solution en classes et objets.
- Utiliser et expliquer le vocabulaire technique de la programmation, un élément clé pour communiquer efficacement avec d'autres développeurs.
- Traduire ses problématiques scientifiques en langage Python, développer sa capacité d’abstraction.
- User l'héritage de la programmation orientée objet : créer des classes et classes dérivées.
- Utiliser le langage de programmation pour récolter et analyser des données.
- Reconnaître et utiliser les principaux éléments de la syntaxe du langage Python.
- Spécifier, coder et tester un problème simple dans le langage Python.
- Créer et utiliser des librairies et modules dans Python.
- Se familiariser avec les "outils" liés à la plateforme Anaconda et les Notebooks Jupyter.
- Relationner l’utilisation des librairies avec l’analyse des données.
Prétraitement des données et base de données
Compétences à acquérir :
- Identifier les différents types de systèmes de gestion de base de données
- Identifier la structure d’une base de données relationnelle ou non relationnelle
- Extraire l’information relevant d’une base de données
- Créer et lire un Modèle Conceptuel de Données.
- Lire, écrire et modifier du contenu dans une base de données avec SQL
- Manipuler des BDD provenant de différentes sources
- Tracer des courbes ou d’autres types de graphique en partant d’une base de données
- Faire une analyse statistique
- Nettoyer des bases de données
- Faire des visualisations pour mieux communiquer ses observa
Compétences à acquérir :
- Identifier les différents types de systèmes de gestion de base de données
- Identifier la structure d’une base de données relationnelle ou non relationnelle
- Extraire l’information relevant d’une base de données
- Créer et lire un Modèle Conceptuel de Données.
- Lire, écrire et modifier du contenu dans une base de données avec SQL
- Manipuler des BDD provenant de différentes sources
- Tracer des courbes ou d’autres types de graphique en partant d’une base de données
- Faire une analyse statistique
- Nettoyer des bases de données
- Faire des visualisations pour mieux communiquer ses observations
- Appliquer des techniques de prétraitement des données dans la recherche
Machine Learning (Introduction à l’IA)
Compétences à acquérir :
- Comprendre les concepts liés à l’IA.
- Différencier Apprentissage Automatique (Machine Learning - ML) et Apprentissage Profond (Deep Learning).
- Utiliser le vocabulaire technique de ML.
- Connaître la méthode pour développer ses propres algorithmes de ML.
- Savoir expliquer et utiliser les différents algorithmes de ML.
- Mettre en œuvre les processus pour résoudre des problèmes métier à travers le ML.
- Collecter des données et les utiliser avec Python.
- Analyser statistiquement une base de données avec Python.
- Communiquer des observations simples grâce à travers des graphiques et de
Compétences à acquérir :
- Comprendre les concepts liés à l’IA.
- Différencier Apprentissage Automatique (Machine Learning - ML) et Apprentissage Profond (Deep Learning).
- Utiliser le vocabulaire technique de ML.
- Connaître la méthode pour développer ses propres algorithmes de ML.
- Savoir expliquer et utiliser les différents algorithmes de ML.
- Mettre en œuvre les processus pour résoudre des problèmes métier à travers le ML.
- Collecter des données et les utiliser avec Python.
- Analyser statistiquement une base de données avec Python.
- Communiquer des observations simples grâce à travers des graphiques et des modules spécialisés.
- Identifier les variables dans une base de données.
- Transformer les variables pour leur utilisation dans un modèle mathématique.
- Être en mesure de trier les données et d’expliquer ses décisions.
- Entraîner des modèles de ML.
- Modifier les modèles (régler les hyperparamètres) pour améliorer ses performances.
- Mesurer la performance du modèle selon le type de problème.
- Optimiser ses modèles.
Deep Learning
Compétences à acquérir :
- Comprendre le processus d’ingestion des données dans les réseaux de neurones.
- Comprendre les types d’erreurs pendant l’instruction/entrainement des réseaux de neurones.
- Connaitre les types de réseaux de neurones et son application.
- Programmer et mettre en application un perceptron.
- Construire, entrainer et optimiser des réseaux de neurones avec l’aide des TensorFlow et Keras.
- Préparer les données pour l’ingestion d’un réseau de neurones.
- Tester et optimiser différents types de neurones.
- Déboguer des codes dédiés à l’apprentissage profond.
- Réutiliser des architectures pré-
Compétences à acquérir :
- Comprendre le processus d’ingestion des données dans les réseaux de neurones.
- Comprendre les types d’erreurs pendant l’instruction/entrainement des réseaux de neurones.
- Connaitre les types de réseaux de neurones et son application.
- Programmer et mettre en application un perceptron.
- Construire, entrainer et optimiser des réseaux de neurones avec l’aide des TensorFlow et Keras.
- Préparer les données pour l’ingestion d’un réseau de neurones.
- Tester et optimiser différents types de neurones.
- Déboguer des codes dédiés à l’apprentissage profond.
- Réutiliser des architectures pré-entrainées et les adapter à ses besoins.