Python appliqué en apprentissage automatique (Machine Learning)

Durée

6 heures

Durée calendrier

2 semaines

Effort demandé

3 heures par semaine

Qu'est-ce que c'est?

Description

La formation a pour objectif de comprendre comment bien structurer le code Python lors de projets d’apprentissage automatique (Machine Learning / ML). Ce faisant, les projets développés seront structurés et viables à long terme. Plus particulièrement, les principes SOLID et le TDA (Tell Don’t Ask) seront abordés, ainsi que certains patrons de conception (design patterns) et techniques d’architecture logicielle.

Objectifs

  • Structurer des projets d’apprentissage automatique en Python avec Neuraxle
  • Repérer et appliquer les patrons de conception et d’architecture logicielle les plus fréquents dans des projets d’apprentissage automatique en Python
  • Appliquer les principes SOLID et le TDA en Python dans des projets d’apprentissage automatique

Clientèle cible

Tout développeur Python déjà actif en entreprise qui veut s’initier concrètement à l’intelligence artificielle et développer ses compétences en apprentissage automatique (Machine Learning)

Préalables

  • Être familier avec l’environnement et la programmation Python
    • Connaissance intermédiaire du langage de programmation Python
    • Connaissance des concepts de base de la programmation orientée objet, tel que le polymorphisme
  • Travailler comme développeur ou avoir réalisé des stages en entreprise est un atout
  • Posséder une expérience de travail en programmation logicielle en général

Formule d'enseignement

  • En ligne

    Aucune date annoncée

    Synchrone

Comment cette formation est-elle reconnue?

ATTESTATIONS DE PARTICIPATION

Pour obtenir l'attestation de participation pour un cours de perfectionnement non créditable, il faut avoir assisté aux 2/3 des heures de cours. Une liste de présences est constituée et doit être signée par chaque participant afin d'assurer la conformité des attestations émises.

Que vais-je apprendre?

Contenu

Introduction aux concepts de structure de code pour projets de Machine Learning

  • Principes SOLID
  • Patrons de conception (design patterns)
  • Principe Tell Don’t Ask (TDA)

Exemples pratiques de structures de projet de Machine Learning

  • Restructuration (refactoring) de code.
  • Exemple d’AutoML
  • Concepts d’architecture logicielle

L'ordre des sujets abordés pourrait varier


Formateur

Guillaume Chevalier est président depuis presque quatre ans d’une entreprise d’intelligence artificielle (Neuraxio) spécialisée en apprentissage automatisé (machine learning) et apprentissage profond (deep learning).

Il possède plus de neuf ans d’expérience en programmation, notamment plus de sept ans dans le domaine de l’intelligence artificielle. Il a desservi plus d’une quinzaine d’entreprises en recherche et développement sur les enjeux liés à ce domaine d’expertise.

Formation pouvant être adaptée à vos besoins

Nous pouvons adapter cette formation aux réalités et aux besoins de votre organisation.

Pour plus d'informations

Qui va m'accompagner?

Qui offre cette formation?

Développez vos compétences grâce à la Formation continue du Cégep Garneau!