La fouille de données est devenue une composante à part entière de l’activité de

R&D. Cependant, comprendre les enjeux et l’avancement de l’état de l’art dans le domaine nécessite un solide bagage mathématique.

Moyens techniques

Support de cours projeté pendant la formation et transmis à l’ensemble des stagiaires à l’issue de la formation; cas et exemples pratiques choisis selon les domaines d’intérêt des stagiaires

Suivi de l’exécution

Emargement demandé chaque demie-journée à tous les stagiaires Évaluation : Questionnaire d’évaluation des acquis à l’issue de la formation

Appréciation des résultats

Questionnaire de satisfaction à l’issue de la formation

Objectifs pédagogiques

Résolument centrée sur le nécessaire, cette formation vise l’acquisition des bases théoriques requises pour comprendre et appliquer les avancées récentes en apprentissage

Technologies abordées

Formule de Bayes, sélection de modèles, maximum d’entropie, maximum likelihood, loss function, Stochastic Gradient Descent, régression, classification, algèbre linéaire, validation

Compétences visées

  • Probabilités bayesiennes
  • Théorie de l’apprentissage
  • Optimisation convexe, stochastique
  • Applications au deep