Aller au contenu principal
ACENSILearning

Développement et qualité logicielle · Langages et programmation

Programmer avec Python pour l'apprentissage automatique

Écrire ses premiers modèles d'apprentissage automatique en Python.

  • Intermédiaire

3 jours (21 h) · Présentiel / Distanciel synchrone / Hybride · Français · 2 880 € TTC · Réf. DEV-0045

2 880 € TTC

Voir les dates

Prochaine session

du 8 au 10 février 2027 · Versailles · Présentiel ou à distance

Toutes les dates

En quelques mots

Écrire ses premiers modèles d'apprentissage automatique en Python. La formation couvre les familles d'algorithmes et leurs cas d'usage, le nettoyage et la préparation des données avec Pandas, l'entraînement avec Scikit-Learn, puis l'évaluation d'un modèle et la lecture de ses résultats.

Objectifs pédagogiques

  • Comprendre les familles d'algorithmes et leurs usages
  • Préparer et nettoyer des données avec Pandas
  • Entraîner un modèle avec Scikit-Learn
  • Évaluer un modèle et interpréter ses résultats

Public visé

Non précisé

Prérequis

Non précisé

Programme

Un jeu de données tabulaires et des notebooks guidés servent de support à la progression. Les participants développent une démarche complète, de l’exploration des données à la présentation d’un modèle et de ses limites.

  1. Module 1 : L’environnement Python et les principes de l’apprentissage automatique

    • Apprentissage supervisé et non supervisé : problèmes traités et principales familles d’algorithmes.
    • Variables explicatives, variable cible et étapes d’un projet de modélisation.
    • Rôle de NumPy, pandas, Matplotlib et scikit-learn.
    • Organisation d’un notebook, lecture des erreurs et exécution d’un premier exemple.

    Prise en main guidée : Exécuter un premier modèle simple et repérer les données d’entrée, l’étape d’apprentissage et les prédictions.

  2. Module 2 : L’exploration et la qualité des données

    • Chargement des données, types de variables et contrôles de cohérence avec pandas.
    • Valeurs manquantes, doublons, valeurs atypiques et déséquilibre des catégories.
    • Statistiques descriptives et visualisations utiles à la compréhension du problème.
    • Définition de la cible et repérage des informations qui ne seraient pas disponibles au moment de prédire.

    Travaux pratiques : Examiner le jeu de données fourni, documenter les problèmes de qualité et proposer les premiers traitements.

  3. Module 3 : La préparation des données et la prévention des fuites

    • Séparation des données d’apprentissage et de test avant l’ajustement des transformations.
    • Imputation, encodage des variables catégorielles et mise à l’échelle.
    • Pipelines et application cohérente des traitements aux nouvelles données.
    • Découpage adapté aux données temporelles ou regroupées, et risques liés aux observations proches.

    Expérimentation : Comparer une préparation qui utilise abusivement l’ensemble des données avec une préparation correcte, puis expliquer l’écart de performance.

  4. Module 4 : L’entraînement des modèles supervisés

    • Modèle de référence simple et choix d’une première méthode selon le problème.
    • Régression et classification avec scikit-learn.
    • Entraînement, prédiction et principaux paramètres de quelques modèles usuels.
    • Sous-apprentissage, surapprentissage et comparaison raisonnée de modèles.

    Travaux pratiques : Entraîner plusieurs modèles sur les mêmes données et comparer leurs résultats à ceux du modèle de référence.

  5. Module 5 : L’évaluation et l’interprétation des résultats

    • Validation croisée et recherche limitée d’hyperparamètres sans utilisation du jeu de test final.
    • Classification : matrice de confusion, précision, rappel et prise en compte du déséquilibre des classes.
    • Régression : erreurs de prédiction et lecture des écarts selon les situations.
    • Analyse des erreurs, importance des variables et distinction entre association statistique et causalité.

    Analyse de résultats : Choisir les métriques adaptées au besoin métier et expliquer pourquoi le modèle présentant le meilleur score global n’est pas toujours le plus pertinent.

  6. Module 6 : L’apprentissage non supervisé et la qualité du travail produit

    • Découverte du regroupement de données et limites d’interprétation des groupes obtenus.
    • Reproductibilité : versions des bibliothèques, paramètres, données et aléas contrôlés.
    • Organisation du code, documentation des choix et conservation de la chaîne de préparation.
    • Limites de validité, biais possibles et précautions d’utilisation sur de nouvelles données.

    Restitution du cas fil rouge : Présenter le modèle retenu, ses résultats sur les données de test, les erreurs significatives et les conditions dans lesquelles ses prédictions peuvent être utilisées.

Méthodes pédagogiques

  • Apports structurés et études de cas concrets
  • Ateliers pratiques et labs sur plateforme de pratique
  • Jusqu'à 70 % de pratique sur les modules techniques
  • Supports fournis et accès aux environnements d'entraînement

Modalités d'évaluation

  • Test de positionnement en amont
  • Évaluations continues (QCM, travaux pratiques)
  • Évaluation de fin de formation et attestation

Votre formateur

Cette formation est animée par l'un de nos formateurs experts du domaine. Nos formateurs sont des praticiens en activité, au sein d'ACENSI, ESN de 2 500 consultants, ou de notre réseau d'experts partenaires : ils interviennent au quotidien sur les sujets qu'ils enseignent, et transmettent des méthodes éprouvées sur des projets réels plutôt que des connaissances théoriques. Chaque intervenant est sélectionné pour son expertise technique, son expérience opérationnelle et ses qualités pédagogiques.

Prochaines sessions

  • du 8 au 10 février 2027

    Versailles · Présentiel ou à distance

    S'inscrire
  • du 7 au 9 avril 2027

    La Défense (Tour Canopy) · Présentiel ou à distance

    S'inscrire

Modalités pratiques

Modalités
Présentiel, Distanciel synchrone, Hybride
Formats
Inter-entreprises, Intra-entreprise
Lieux
Versailles, La Défense (Tour Canopy), Clermont-Ferrand
Effectif
De 2 à 12 participants
Langue
Français

Financement

Cette formation peut être financée par :

  • OPCO de votre branche professionnelle, pour les salariés
  • Plan de développement des compétences de votre entreprise
  • France Travail (AIF), pour les demandeurs d'emploi
  • Transitions Pro, dans le cadre d'un projet de reconversion professionnelle

Nous vous accompagnons dans le montage de votre dossier de financement.

Financement OPCO ou CPF : prévoyez idéalement 2 mois avant la session.

Accessibilité et handicap

Toutes nos formations sont accessibles aux personnes en situation de handicap. Avant votre inscription, notre référent handicap étudie avec vous vos besoins et les adaptations possibles : aménagement du rythme et des modalités, adaptation des supports, accessibilité des locaux, et recours si nécessaire à des partenaires spécialisés. Nos trois sites sont accessibles aux personnes à mobilité réduite.

Référent handicap : Benjamin BONNET — handicap@acensi.fr