Machine learning : situer les méthodes, évaluer et cadrer un projet
Un état de l'art accessible pour juger de la pertinence d'un projet d'apprentissage automatique
- Certifié Qualiopi
- 0,50 jour — 3,50 h
- Présentiel ou à distance
- Fondamental
- Finançable OPCO
Les administrations reçoivent des propositions d'outils prédictifs sans toujours disposer des repères pour les apprécier. Derrière le terme machine learning se cachent des familles de méthodes très différentes dont les besoins en données, la transparence et les risques d'erreur n'ont rien de comparable.
Deux heures pour dresser un état de l'art accessible : les grandes familles d'apprentissage, ce qu'elles exigent en données, la manière dont se mesure la qualité d'un modèle et les questions à poser avant de lancer un projet. Le niveau fondamental n'exige aucune pratique du code.
Objectifs pédagogiques
- Distinguer apprentissage supervisé et apprentissage non supervisé
- Décrire les besoins en données d'un projet d'apprentissage
- Interpréter les indicateurs de performance d'un modèle
- Repérer les situations où un modèle n'est pas adapté
- Formuler les questions à poser à un prestataire
Programme de la formation
Avant la formation
Analyse du besoin et test de positionnement. Vos réponses sont partagées avec votre formateur afin d'adapter la formation à votre niveau et votre contexte professionnel.
Une carte avant le détail
- Apprentissage supervisé et non supervisé
- Régression classification et segmentation
- Réseaux de neurones et apprentissage profond
- Place des grands modèles de langage
Sans données utilisables rien ne tient
- Constitution et qualité du jeu de données
- Représentativité et biais d'échantillon
- Séparation entre apprentissage et évaluation
- Contraintes liées aux données personnelles
Ce qu'il faut demander avant de s'engager
- Mesure de la performance d'un modèle
- Explicabilité et acceptabilité des décisions
- Coûts de mise en production et de maintenance
- Questions à poser au prestataire
Après la formation
E-learning accessible en illimité dans le temps. Évaluation de niveau afin de suivre votre progression.
Les points forts
Les avis de nos apprenants
Prochaines sessions
Aucune session programmée sur ce lieu pour le moment. Demandez une date.
À qui s'adresse cette formation ?
Agents publics et chargés de projet ainsi que responsables de données et décideurs confrontés à des propositions d'outils prédictifs.
Financer cette formation
Mon Pôle Formation est un organisme certifié Qualiopi au titre des actions de formation. À ce titre, cette formation est éligible aux principaux dispositifs de financement de la formation professionnelle.
Le plan de développement des compétences regroupe l'ensemble des actions de formation décidées par l'employeur. Votre OPCO prend généralement en charge les coûts pédagogiques, et parfois la rémunération, les frais de transport, de repas et d'hébergement.
Tous les salariés peuvent en bénéficier, quels que soient la nature et la durée de leur contrat. Rapprochez-vous de votre service RH ou formation : nous montons le dossier avec vous.
Vous versez chaque année une Contribution à la Formation Professionnelle. Elle ouvre droit à une prise en charge par votre fonds d'assurance formation : FIFPL, AGEFICE, FAFCEA, VIVEA ou OPCO selon votre activité.
Nous préparons pour vous le devis, le programme détaillé et l'attestation nécessaires au dossier.
Selon votre projet professionnel, France Travail peut financer tout ou partie de la formation via l'Aide Individuelle à la Formation. Le dossier se construit avec votre conseiller à partir de notre devis.
Vous pouvez régler la formation directement, en une fois ou jusqu'à 6 fois sans frais. Contactez un conseiller pour définir l'échéancier : 01 87 66 57 66.
Questions fréquentes
Le premier apprend à partir d'exemples dont la réponse attendue est connue, le second cherche des regroupements dans des données non étiquetées. Cette distinction commande le travail préparatoire exigé et la nature de ce que l'on peut attendre du résultat, ce qui en fait le point de départ de la séance.
Lorsque l'historique est trop court ou trop hétérogène, lorsque les règles du domaine changent plus vite que le modèle n'apprend, ou lorsque l'erreur a des conséquences individuelles que l'on n'accepterait pas. La séance apprend à repérer ces configurations avant d'engager un projet d'apprentissage automatique.
Celles qui portent sur les données nécessaires, la façon dont le modèle a été évalué, son comportement sur les cas rares et les conditions de maintien dans le temps. La séance fournit cette trame, destinée à des agents et décideurs qui instruisent une proposition sans être spécialistes du domaine.