Prochaine session deeptech Coq, la preuve par le logiciel niveau débutant le 19 juin

Prochaine session deeptech Scikit-learn, la boîte à outils de l’apprentissage automatique niveau débutant le 20 juin

Prochaine session deeptech SOFA, le moteur de simulation multiphysique niveau débutant le 26 juin

prochaine session état de l’art La sécurité informatique, face aux menaces quantiques le 26 juin

Prochaine session deeptech SOFA, le moteur de simulation multiphysique niveau avancé – special robotique le 3 juillet

Prochaine session deeptech Scikit-learn, la boîte à outils de l’apprentissage automatique niveau avancé  les 1 et 2 juillet

Prochaine session deeptech Corese, la boite à outil des graphes de connaissance niveau débutant le 3 juillet

Niveau expert du module deeptech « Scikit-learn, la boîte à outils de l’apprentissage automatique »

Niveau expert du module deeptech « Scikit-learn, la boîte à outils de l’apprentissage automatique »

Nouveau niveau

Inria Academy a le plaisir d’annoncer la sortie du niveau expert du module deeptech « Scikit-learn, la boîte à outils de l’apprentissage automatique ». Après les niveaux débutant et avancé, atteignez un niveau d’expertise supplémentaire avec ce module de trois jours.

Cette formation experte sur Scikit-learn offre une compréhension approfondie et opérationnelle des techniques avancées de modélisation, de diagnostic et de déploiement de modèles.

Elle couvre les algorithmes les plus courants de l’apprentissage non supervisé — notamment le clustering, la réduction de dimension et l’analyse de séries temporelles — avant d’aborder les critères de performance des modèles.

Les participants exploreront les méthodes de sélection des caractéristiques, les fonctions de perte, ainsi que les notions de calibration et de post-calibration. Une attention particulière sera portée au traitement et à la combinaison de données complexes, notamment à partir de formats parquet.

La formation permettra également d’apprendre à concevoir ses propres estimateurs, à ajuster les hyperparamètres, et à évaluer les performances à l’aide d’indicateurs avancés et de visualisations telles que CalibrationDisplay.

Des outils comme joblib, pickle ou skops seront mobilisés pour le déploiement des modèles en production. Enfin, le programme intégrera les bonnes pratiques MLOps, la gestion des métadonnées, ainsi que des approches d’explicabilité telles que les partial dependence plots ou l’importance par permutation.

Module deeptech « Scikit-learn, la boîte à outils de l’apprentissage automatique »

En savoir plus