ARF131

Python / machine learning

: Consultant Expert Python : Société TRIMANE

2130 € HT*

Session 1

Programmé
Lieu : PARIS

18 au 20 Mars 2026

3 jours (21 heures)

But

Cette formation permettra aux auditeurs de pouvoir réaliser des calculs complexes au travers de l’utilisation de librairies spécifiques et le machine learning.

Esprit Général

Etre capable de :
Utiliser les principales librairies de calcul numérique
Paralléliser ses traitemenst sur des architectures modernes permettant le calcul distribué
Faire ses premiers pas en machine learning

Prérequis

Niveau de stage : Base / Perfectionnement
Développeurs, ingénieurs en statistiques, IA, traitement de données. Compétences avancées en programmation et calcul statistiques/scientifique.

Durée et emploi du temps

Le stage dure 3 jours (21 heures).

Sommaire

  • Partie I : Présentation générale
    • Le calcul scientifique et utilisation de Python
    • Les distributions Python pour les DataScientists (WinPython, Python Anywahere, Python (x,y), EnthoughtCanopy, Anaconda)
    • Exemples d’outils de développement
  • Partie II : Bases du Python scientifique
    • La Scipy Stack : présentation
    • Numpy : la bibliothèque Python de calcul numérique (algèbre linéaire) permettant de manipuler des vecteurs et matrices à plusieurs dimensions
    • Pandas : la libraire d’analyse avec efficace de structures de données complexes
    • Matplotlib : la librairie de tracé et de visualisation de données (dessiner tout type de représentations, 2D comme 3D)
    • Gestion des erreurs numériques : comprendre les problèmes d’erreurs numériques dans le calcul scientifique
  • Partie III : Usages avancés

Maitrise de Numpy et Pandas, ainsi que les bibliothèques Scipy et Scikit Image

  • Numpy 
  • Pandas
  • Scipy et Scikit Image
  • Partie IV : Visualisation de données

Les principales librairies de visualisation disponibles pour Python

  • Seaborn
  • Altaïr
  • Visualisation de données cartographiques
  • Applications Open Sources pour la visualisation de larges jeux de données
  • Partie V : Parallélisme
    • La parallélisation
    • Multi-Threading
    • Multi-processing
  • Partie VI : Machine Learning

Initiation aux bases du Machine Learning à travers des exercices concrets. Utilisation des implémentations mises à disposition par la bibliothèque Scikit-Learn.

  • L’apprentissage automatique
  • Traitement des données
  • Algorithmes par apprentissage automatique

Les formations associées qui pourraient vous intéresser

Demande d'informations

Si vous souhaitez des informations à propos du stage. Vous pouvez utiliser le formulaire ci-dessous