Formation Apprendre le Machine Learning avec Python sur plateforme Cloud

Programme de la formation
Apprendre le Machine Learning avec Python sur plateforme Cloud

• Introduction au Machine Learning et à l'IA Azure

  - Comprendre les concepts fondamentaux du Machine Learning
  - Présentation des services Azure AI et Azure Machine Learning
  - Installer et configurer l'environnement Python pour ML

• Bases de Python pour le Machine Learning

  - Révision des structures de données Python (NumPy, Pandas)
  - Manipulation de données avec Pandas pour l'analyse ML
  - Visualisation de données avec Matplotlib et Seaborn

• Exploration et Préparation des Données

  - Chargement et inspection de jeux de données réels
  - Nettoyage et prétraitement des données (valeurs manquantes, outliers)
  - Feature Engineering : création et sélection de caractéristiques pertinentes

• Apprentissage Supervisé : Régression

  - Comprendre les modèles de régression linéaire et polynomiale
  - Implémentation de modèles de régression avec Scikit-learn
  - Évaluation des performances des modèles de régression (MSE, R²)

• Apprentissage Supervisé : Classification

  - Introduction aux algorithmes de classification (Logistique, SVM, Arbre de décision)
  - Entraînement et prédiction avec des modèles de classification
  - Métriques d'évaluation : précision, rappel, F1-score, matrice de confusion

• Apprentissage Non Supervisé : Clustering

  - Principes du clustering : K-Means, DBSCAN
  - Application de techniques de clustering pour la segmentation
  - Évaluation et interprétation des résultats de clustering

• Introduction à Azure Machine Learning Studio

  - Navigation dans l'interface Azure Machine Learning Studio
  - Création d'espaces de travail et gestion des ressources
  - Utilisation des notebooks Jupyter dans Azure ML

• Pipelines ML et Automatisation avec Azure

  - Conception et exécution de pipelines de Machine Learning
  - Automatisation du processus d'entraînement de modèles
  - Gestion des versions de modèles et des jeux de données dans Azure

• Déploiement de Modèles avec Azure

  - Comprendre les options de déploiement (ACI, AKS)
  - Déploiement de modèles en tant que services web REST
  - Consommation des modèles déployés via API

• Optimisation et Gestion des Modèles

  - Suivi et surveillance des performances des modèles en production
  - Amélioration continue des modèles (ré-entraînement, A/B testing)
  - Gestion des journaux et diagnostics dans Azure ML

• Sécurité et Bonnes Pratiques en MLOps
• Cas Pratiques et Projet Final

  - Application des connaissances sur un cas d'étude complet
  - Dépannage et optimisation des performances
  - Prototypage d'un projet ML de bout en bout sur Azure