Passer au contenu
36 h

Infonuagique et virtualisation

2$/h – AzureML- Introduction à l’apprentissage automatique

Objectif

Ce cours initie les participants aux techniques d’analyse de données et à leurs applications en entreprise. Il permet aux participants la prise en main rapide de la plateforme Azure Machine Learning (Azure ML).

Les cas étudiés illustrent la manière d’utiliser les techniques d’analyse de données pour améliorer la prise de décision et la performance. Azure ML est une plateforme considérée comme révolutionnaire. Elle est un excellent outil pour créer des modèles d’apprentissage automatique avancés sans écrire une seule ligne de code.

Cette formation, à la fois théorique et pratique, permet :

  • De comprendre les concepts importants et de les mettre en application à l’aide de cas pratiques.
  • D’acquérir des connaissances de base en science des données et en apprentissage automatique.
  • De construire un modèle et d’en interpréter les variables.
  • De déployer un modèle sous la forme de service web dans le

Contenu

Analyse de données et machine learning

  • Analyse de données
  • Cycle de vie de projets en science des données
  • Objectifs du machine learning
  • Expérimentation ML
  • Mesure de performance

Démarrage dans Azure ML Studio

  • Création de comptes Azure et Azure ML Studio
  • Téléversement de jeux de données
  • Lecture de sources de données externes
  • Exemples de jeux de données
  • Visualisation d’ensembles de données
  • Structure de modules Azure ML

 Préparation de données

  • Visualisation dans Azure ML
  • Transformation de données
  • Modules couramment utilisés
  • Fonctions statistiques
  • Feature engineering

 Préparation de modèles pour déploiement

  • Évaluation d’un modèle Azure ML
  • Création et configuration d’un service web
  • Consommation d’un service web

 Régression linéaire

  • Régression linéaire simple
  • Régression linéaire multiple
  • Construction d’un modèle de régression linéaire
  • Publication du modèle dans Azure ML

 Régression logistique

  • Régression logistique
  • Construction d’un modèle de régression logistique
  • Publication du modèle dans Azure ML

 Support Vector Machine

  • Introduction au SVM
  • Exemples de modèles en SVM

 K-means clustering

  • Algorithme k-means
  • Exemples de k-means dans Azure ML

 R et Python – Azure ML Studio

  • Connexion à Azure ML avec RStudio
  • Interpréteur R, langage Python et Azure ML Studio
  • Création de modules spécialisés R et Python

 Exercices (laboratoires)

  • Détection de fraude par carte de crédit
  • Prédiction des survivants du Titanic
  • Prédiction du prix d’automobiles
  • Systèmes de recommandation
  • Détection de la présence de maladies
  • Prédiction de la pollution de l’air en ozone
  • Exemples de cas k-means, random forest et ACP

Préalables

  • Avoir des connaissances de base en statistiques.
  • Avoir des connaissances ou une expérience de base dans l’utilisation de tableurs Excel.
  • Savoir écrire des scripts est souhaitable.
  • Posséder un ordinateur avec micro et écouteurs ou haut-parleurs ainsi qu’un deuxième écran pour la formation à distance.