DEEP LEARNING AVEC R
Formation certifiante - Code CPF 93 835 - 2 jours (14 heures)
Formations en présentiel
Formations Blended - Learning
Formations E-learning Tutoré
Présentiel
Blended - Learning
E-learning tutoré
A l'issue de la formation, les stagiaires seront capables de :
- Installer l’environnement d’analyse R
- Maîtriser les techniques d’exploration de données fondamentales avec R (régressions, ACP, etc.)
- Mettre en œuvre la chaîne de conception appliquée au machine learning dans un contexte big data batch et streaming
- Connaître les bibliothèques, principes de conception, outils de diagnostics et domaines d’application du deep learning
- Comprendre et mettre en application les techniques du text mining pour le machine et le deep learning
La formation Deep Learning avec R est accessible à toute personne ayant des connaissances de base en statistiques et en programmation R.
Des exercices, des études de cas, des QCM et des tours de table permettent au formateur d’évaluer l’atteinte des objectifs ainsi que la progression du stagiaire à différents moments de la formation.
La validation de toutes les compétences requises est obligatoire pour l’obtention d’un BADGE ou d’un Certificat. L'obtention du Certificat est validé par la réalisation et la présentation d'un projet devant un jury.
- Data Scientist / Data Miner
- Débutant en R
- Statisticien
- Marketer spécialiste de la data
- Utilisateur de bases de données intéressé par l’analyse
- Responsable système d’informations
- Développeurs informatiques, ingénieurs d’études
- Architecte système et logiciel
- Data scientist (analyse de données) ou Data miner (fouilleur des données)
PROGRAMME DE FORMATION
DEEP LEARNING AVEC R
BIG DATA AVEC R, MODELISATION ET REPRESENTATION DE DONNEES
- Introduction à la modélisation.
- Procédures d’évaluation de modèles.
- Les algorithmes supervisés (régression multi variée, polynomiale, régularisée, logistique et le Naive Bayes).
- Les algorithmes non supervisés (clustering hiérarchique, non hiérarchique et approches mixtes).
- Analyse en composantes. Analyse de données textuelles.
INTRODUCTION AU DEEP LEARNING
- Principes du Deep learning
- Réseaux neuronaux
- Méthode du perceptron
SOLUTIONS POUR LE DEEP LEARNING EN R
- NNET
- RSNNS
- FCNN4R
- RNN
- DEEPNET (x – RcppDL),
- H2O,
- MxNet Keras de RStudio est une API (Application programming interface)
MISE EN OEUVRE AVEC R ET KERAS
Mise en œuvre avec R et Keras
FONDAMENTAUX DE L’ANALYSE DE DONNÉES
- Présentation de la notion de package (librairie).
- Cas de la régression non linéaire multiple.
- Cas de l’analyse en composantes principales ACP.
- Cas de la classification CAH.
FONCTIONS EN PROFONDEUR
- Paramètres
- Valeurs de retour
- Portée variable
- Gestion des exceptions
APPLICATION DE FONCTIONS A TRAVERS LES DIMENSIONS
- Sapply
- Lapply
- apply
ANALYSE DES DONNÉES EXPLORATOIRES (STATISTIQUES DESCRIPTIVES)
- Données continues
- Données catégorisées
- Groupe par calcul avec dplyr
- Mélange et casting de données.
STATISTIQUES DÉDUCTIVES
- Corrélation bivariée
- T-test et équivalents non paramétriques
- Test Chi-quadrillé
RÉGRESSION LINÉAIRE GÉNÉRALE
- Modèles linéaires et logistiques
- Points de régression
- Confusion / interaction en régression
- Marquer de nouvelles données à partir de modèles (prédiction)
COMPRENDRE LE RENDU GRAPHIQUE DES DONNÉES EN LANGAGE R
GRAPHIQUES DE BASE
- Système graphique de base en R
- Scatterplots, histogrammes, barcharts, …
- Étiquettes, légendes, titres, axes
- Exportation de graphiques vers différents formats.
GRAPHIQUES R AVANCÉS : GGPLOT2
- Comprendre la grammaire des graphiques
- Emplacements rapides (fonction qplot)
- Construction de graphiques par pièces (fonction ggplot)

Allez plus loin
Développez vos compétences
Financement avec le CPF via
le site MonCompteFormation

POUR TOUTE DEMANDE DE RENSEIGNEMENT OU DE DEVIS