Mise en Œuvre de Projets de Machine Learning en Entreprise

Référence: IA FORGE005
Objectifs
- Découverte des principaux algorithmes de machine learning.
- Apprendre à sélectionner, évaluer et déployer des modèles de machine learning.
- Découvrir les meilleures méthodes de suivi et de maintenance des modèles en production.
Programme
1. Modélisation et Évaluation des Modèles
- Présentation des principaux algorithmes de Machine Learning
- Critères de sélection des modèles.
2. Introduction aux Frameworks et Bibliothèques Courants
- Présentation de scikit-learn, TensorFlow, PyTorch.
- Exemples d’utilisation et cas d’application.
3. Évaluation des Modèles
- Métriques d’évaluation : précision, rappel, F1-score, AUC-ROC.
- Techniques de validation croisée.
- Ajustement des hyperparamètres.
4. Déploiement et Mise en Production des Modèles
- Introduction au déploiement des modèles.
- Outils et plateformes de déploiement : Docker, Kubernetes, services cloud (AWS, Azure, GCP).
5. Suivi et Maintenance des Modèles en Production
- Surveillance des performances des modèles.
- Détection de la dérive des données.
- Stratégies de mise à jour et d’amélioration continue des modèles

Parmi les meilleurs experts RH pour partager, transmettre et échanger sur les sujets clés de votre métier

Une pédagogie centrée sur la pratique, les échanges et les retours d’expériences

Des échanges collaboratifs et actifs au service d’un apprentissage efficace
8 participants max. par session

Des formats de 2h à un an pour permettre à chacun de trouver le rythme et le format le plus adapté