PARTENAIRE

Formation Machine Learning – Ambient IT

Présentation

Cette formation intensive de 3 jours (21 heures), dispensée à Paris ou en classe virtuelle, vise à maîtriser le Building Information Modeling (BIM) et l’utilisation avancée du logiciel Autodesk Revit (version 2018). Elle s’adresse aux professionnels du BTP, architectes et ingénieurs, avec pour objectifs principaux de comprendre les exigences du BIM, d’en exploiter les fonctions clés dans un contexte architectural et d’optimiser la gestion collaborative des projets. Les participants bénéficient d’une infrastructure DaaS pour les travaux pratiques, de supports en français ou anglais, et d’un examen dans la langue choisie. Les avantages incluent des déjeuners offerts, un financement CPF éligible (Bonus Atlas de 2500€) et un programme fidélité (5% cumulé). Une connaissance préalable en architecture est requise pour tirer pleinement parti des études de cas et des modules couvrant la philosophie BIM, les outils logiciels et le rôle du BIM Manager. Les sessions, notées 4,8/5, sont animées par un consultant certifié Autodesk.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Avancée

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : En centre de formation, En entreprise, En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Entrepreneur, Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

Ambient IT est un centre de formation informatique spécialisé dans les nouvelles technologies et le développement. Ils proposent des formations de pointe à des tarifs adaptés, dispensées par des formateurs experts dans divers domaines comme Kubernetes, Docker et DevOps. Leur engagement inclut des contenus constamment mis à jour et une approche sans compromis sur la qualité.

Programme

Introduction au Machine Learning :
- Définition et concepts de base
- Historique et évolutions
- Applications pratiques du Machine Learning
Types de Machine Learning :
- Apprentissage supervisé
- Apprentissage non supervisé
- Apprentissage par renforcement
Algorithmes de Machine Learning :
- Régression linéaire et logistique
- Arbres de décision
- Machines à vecteurs de support (SVM)
Évaluation et validation des modèles :
- Métriques de performance
- Validation croisée
- Surapprentissage et sous-apprentissage
Outils et bibliothèques :
- Python et ses bibliothèques (scikit-learn, TensorFlow, Keras)
- Environnements de développement (Jupyter Notebook, Google Colab)
Études de cas et projets pratiques :
- Analyse des données et extraction de caractéristiques
- Création d’un modèle prévisionnel
- Déploiement de modèles en production

Voir la formation

PARTENAIRE

Formation Introduction Maîtriser les bases du Machine Learning : une approche pratique – Ambient IT

Présentation

Cette formation, intitulée Introduction Maîtriser les Bases du Machine Learning : une Approche Pratique, s’adresse aux professionnels confirmés souhaitant acquérir une solide expertise dans le domaine du machine learning à travers une méthode pratique. D’une durée de 2 jours (14 heures), elle se déroule à Paris ou en classe virtuelle et s’appuie sur l’utilisation de Python et ses bibliothèques (Numpy, Pandas, Scikit-learn, etc.). Les objectifs principaux incluent la maîtrise des composants de l’IA, l’entraînement des modèles, la réduction de dimension des datasets et l’application des concepts via un projet concret. Les participants, qu’ils soient développeurs, architectes ou spécialistes des données (Data Analyst, Engineer, Scientist), bénéficieront d’une approche pédagogique claire et opérationnelle, renforçant leur capacité à résoudre des problèmes complexes. Les supports sont disponibles en français, tout comme l’examen, et une connaissance préalable de Python et des mathématiques est requise. Animée par des experts tels qu’Ali, spécialiste en Machine & Deep Learning, cette formation est reconnue pour son excellence et sa pertinence professionnelle.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 1 à 2 jours

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : En centre de formation, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Demandeurs d’emploi, Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi, Micro-Formation

Présentation du formateur

Programme

Jour 1:
- Qu’est-ce que le Machine Learning ?
  - Paradigmes, catégories et défis.
- Illustration des Concepts sur un Projet Type
  - Du questionnement à l’évaluation des modèles.
- Mesurer les Performances d’un Algorithme
Jour 2:
- Entraîner les Modèles
  - Régression et ses variantes.
- SVM et Arbres de Décision
  - Séparation des données et apprentissage d’ensemble.
- Réduction de Dimension

Voir la formation

PARTENAIRE

Formation Graph Analytics et Machine Learning avec TigerGraph – Ambient IT

Présentation

Cette formation de trois jours (21 heures), dispensée en présentiel à Paris ou en classe virtuelle, permet aux professionnels confirmés (analystes, data scientists, ingénieurs data) de maîtriser TigerGraph, la base de données de graphes la plus performante du marché. Axée sur l’analyse de graphes et le machine learning, elle couvre des applications concrètes comme la détection de fraudes, l’optimisation marketing ou la recherche médicale. Les participants apprendront à manipuler GraphStudio, créer des requêtes GSQL et appliquer des algorithmes avancés (Dijkstra, analyse de centralité). Les supports sont disponibles en français et anglais, tout comme l’examen, accessible après validation des prérequis (SQL, gestion de bases de données). Pouvant être organisée en intra-entreprise, cette formation inclut des labs pratiques via une infrastructure DaaS et est notée 4,8/5 par les apprenants pour son approche opérationnelle.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Avancée

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : En centre de formation, En entreprise, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

Programme

Introduction au Graph Analytics :
- Qu’est-ce qu’un graphe et pourquoi l’utiliser ?
- Types et limites des graphes
- Impact des 5V sur les graphes
Techniques de Graph Analytics :
- Path analytics et algorithme de Dijkstra
- Analyse de la connexion des graphes, modularité, centrality analytics
Présentation de TigerGraph :
- Graph database : raisons de l’utiliser, bénéfices, installation
GraphStudio :
- Interface, construction de schéma, chargement de données et exploration des graphes
GSQL avec TigerGraph :
- Créer et gérer des graphs, jobs et requêtes GSQL
Machine Learning avec TigerGraph :
- Techniques de machine learning
- Algorithmes de graphes non supervisés

Voir la formation

PARTENAIRE

Formation Machine Learning – Expert Python

Présentation

Cette formation professionnelle en Python, dispensée en présentiel, est conçue pour offrir aux participants une maîtrise approfondie du langage et de ses applications, notamment en data science et en analyse de données. Elle vise à transmettre des compétences concrètes, allant des bases de Python à des modules avancés comme Pandas, Matplotlib, ou NumPy, tout en incluant des exercices pratiques pour consolider les apprentissages. Les objectifs principaux sont d’acquérir une autonomie dans le traitement des données, la visualisation et les statistiques, ainsi que de préparer les participants à des projets professionnels exigeants. Les bénéfices incluent une certification éligible au CPF, un accompagnement par des formateurs expérimentés et une approche adaptée aux besoins des entreprises. Les supports sont en français, tout comme l’examen final, et aucune compétence préalable n’est exigée pour les modules de base. Disponible dans plusieurs villes françaises, cette formation s’adresse aussi bien aux débutants qu’aux professionnels souhaitant se perfectionner.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Tout niveau

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :Autres, CPF, France Travail, OPCO

🗂️ Mode de formation : En centre de formation, En entreprise, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Demandeurs d’emploi, Entrepreneur, Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

ExpertPython est un organisme de formation spécialisé dans l’enseignement du langage de programmation Python. Il cible les développeurs, ingénieurs et passionnés de technologies souhaitant améliorer leurs compétences techniques dans ce domaine. Les formations couvrent divers aspects de Python, y compris les bases, le développement web, la data science et l’intelligence artificielle. Les sessions sont animées par des formateurs expérimentés, offrant un équilibre entre théorie et pratique pour garantir une compréhension approfondie et applicable. ExpertPython privilégie une approche pédagogique flexible, incluant cours en ligne et ateliers interactifs, adaptés aux besoins spécifiques des participants.

Programme

Formation Python :
- Formations en présentiel pour les professionnels
- Formations éligibles au CPF
- Cours et exercices de codage et traitement de données
Modules spécifiques de formation :
- Intégration et traitement des données avec Pandas
- Visualisation de données avec Matplotlib et Seaborn
- Statistique et analyse de données avec NumPy
Consulting :
- Services de consulting pour le développement Python
Équipe de formateurs :
- Liste de formateurs expérimentés
Témoignages :
- Avis et notes de satisfaction des clients
FAQ :
- Informations sur Python et ses avantages
- Conseils sur les compétences préalables nécessaires
Contact :
- Possibilité de contacter un formateur rapidement
Formations dans diverses villes :
- Disponibilité des formations dans plusieurs grandes villes françaises

Voir la formation

PARTENAIRE

Formation Data Mining et Machine Learning – CertYou

Présentation

Cette formation en Data Mining et Machine Learning, proposée par CERTyou, offre une approche complète des méthodes modernes d’analyse de données et d’apprentissage automatique. Elle vise à permettre aux participants de maîtriser les différences entre les approches supervisées, non supervisées et méta-apprentissage, ainsi qu’à transformer des volumes importants de données hétérogènes en insights pertinents. Les algorithmes d’auto-apprentissage, l’exploitation des données textuelles et leur application aux projets Big Data sont également au cœur du programme. Les bénéfices incluent une expertise opérationnelle dans des techniques avancées comme les chaînes de Markov, les SVM ou les réseaux de neurones, renforcée par un coaching post-formation de 30 jours. Les supports sont disponibles en français, tout comme l’examen final. Accessible en présentiel à Paris ou à distance, cette formation s’adresse notamment aux administrateurs système et gestionnaires réseau, avec un effectif limité à 14 personnes pour garantir un suivi personnalisé. Des garanties de satisfaction et des promotions jusqu’à -40% complètent cette offre.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :CPF, France Travail, OPCO

🗂️ Mode de formation : En centre de formation, En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Demandeurs d’emploi, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

CERTyou est un organisme de formation professionnelle certifié Qualiopi, spécialisé dans les certifications essentielles en gestion de projets, IT et sécurité. Situé à Paris, CERTyou propose une large gamme de formations, dont PMP, PRINCE2, ITIL, CCNA, et Lean Six Sigma, adaptés aux salariés et demandeurs d’emploi. Les formations peuvent être suivies en présentiel dans leurs centres situés en France métropolitaine ou directement dans les locaux des entreprises. CERTyou offre une flexibilité de financement, incluant des options via le CPF et le FNE-Formation. La satisfaction client est au cœur de ses priorités, avec un taux élevé de satisfaction.

Programme

Objectifs de la Formation :
- Comprendre les différences entre l’apprentissage automatique supervisé, non supervisé, et le méta-apprentissage.
- Savoir transformer de gros volumes de données hétérogènes en informations utiles.
- Maîtriser l’utilisation d’algorithmes d’auto-apprentissage pour des analyses.
- Exploiter de gros volumes de données textuelles efficacement.
- Appliquer ces techniques aux projets Big Data.
Programme de la Formation :
- Introduction : Comparaisons entre Data Mining, Big Data, Machine Learning, Deep Learning.
- Ingénierie de la Décision : Techniques comme l’analyse procédurale hiérarchique, chaînes de Markov, etc.
- Data Mining : Méthodes telles que l’analyse en composantes principales, K-means, SVM.
- Machine Learning : Techniques incluant la régression logistique, réseaux de neurones, etc.
- Text Mining : Analyse statistique de corpus, analyse de sentiments.
- Big Data : Gestion de gros volumes de données.
Modalités et Déroulement :
- Formation de 9h30 à 17h30 (premier jour), 9h à 17h (journées suivantes).
- Options de formation : en présentiel à Paris, à distance via Zoom, ou en alternance.
- Maximum de 14 participants par session.
- Les participants reçoivent une attestation en fin de formation.
Avantages Inclus :
- Accès à un coaching après-cours pendant 30 jours pour surmonter les obstacles et appliquer les connaissances acquises.
- Garanties de satisfaction : possibilité de refaire la formation si les attentes ne sont pas satisfaites.
- Promotions possibles jusqu’à -40%.
Public Cible :
- Administrateurs système, gestionnaires réseau, et responsables de gestion courante de Proofpoint Protection server (PPS).

Voir la formation

PARTENAIRE

Machine Learning Engineer – DataScientest.com

Présentation

Cette formation Machine Learning Engineer prépare les participants à concevoir, entraîner et déployer des modèles d’intelligence artificielle performants à partir de grands ensembles de données, en utilisant des outils tels que Python, Scikit-learn, TensorFlow ou MLflow. Elle vise à développer des compétences avancées en conception d’algorithmes, en déploiement de modèles et en gestion d’infrastructures data. Les principaux objectifs sont de permettre aux apprenants de maîtriser l’ensemble du processus de Machine Learning, d’évaluer l’impact de l’IA dans une stratégie d’entreprise et de piloter des projets d’intelligence artificielle innovants. Grâce à son format hybride (85 % en ligne et 15 % en masterclass), elle offre une flexibilité adaptée aux professionnels. Les supports et l’examen sont en français. Un niveau bac +3/4 en informatique ou numérique et de bonnes bases en mathématiques sont requis. La certification délivrée est reconnue au RNCP niveau 7 (Bac +5).

Points forts

Points faibles

Caractéristiques

📊 Niveau :Avancée

🕐 Durée : Plus de 6 mois

💳️ Financement :Autres, CPF, France Travail

🗂️ Mode de formation : Blended Learning, Bootcamp, En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Demandeurs d’emploi, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Inscrite au RNCP, Alternance, Certification Qualiopi

Présentation du formateur

DataScientest est un organisme de formation leader en Europe, spécialisé dans les métiers de la data, de la cybersécurité et du développement. Avec une approche flexible, ils proposent des formations en bootcamp ou à temps partiel adaptées aux besoins des professionnels et des entreprises. Grâce à un partenariat académique prestigieux avec les Mines Paris PSL et des collaborations avec des géants technologiques tels que Microsoft et AWS, les diplômes délivrés sont hautement reconnus. Offrant plus de 500 partenariats avec des entreprises, DataScientest se distingue par un taux d’employabilité élevé de 85 %, plaçant ses alumni au cœur du marché de l’emploi technologique.

Programme

Formation MACHINE LEARNING ENGINEER :
- Durée de la formation
  - Bootcamp (5 mois)
  - Temps partiel (18 mois)
  - Alternance (1 ou 2 ans)
- Contenu de la formation
  - Concevoir des modèles d’IA
  - Entraîner des modèles avec Python, Scikit-learn, TensorFlow ou MLflow
  - Déployer des modèles d’IA
  - Certification RNCP niveau 7 (Bac +5)
- Prochaines rentrées
  - 13 janvier 2026
  - 03 février 2026
  - 03 mars 2026
- Compétences acquises
  - Intégration de l’IA dans la stratégie d’entreprise
  - Mise en production de modèles et algorithmes
  - Conception d’une infrastructure de données
  - Pilotage de projets d’IA
- Mode d’apprentissage hybride
  - 85% d’apprentissage sur la plateforme
  - 15% de masterclass en visio
- Prérequis pour la formation
  - Certification de niveau 6 dans le domaine de l’informatique et/ou numérique
  - Bon niveau en mathématiques
- Insertion professionnelle
  - 84,1% Taux d’insertion professionnelle
  - 97,4% Taux de complétion
  - 75 Nombre de stagiaires inscrits en 2024
- Formations suivantes recommandées
  - Cursus Deep Learning
  - Certification AWS Cloud Practitioner
  - AWS Solutions Architect

Voir la formation

Python for Data Science and Machine Learning Bootcamp – Udemy

Présentation

Cette formation intensive en Python pour la Data Science et le Machine Learning est conçue pour équiper les participants des compétences essentielles dans l’analyse de données et l’apprentissage automatique. Elle couvre un large éventail d’outils et de bibliothèques, notamment NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn et TensorFlow, permettant de maîtriser des techniques avancées comme la régression linéaire, les réseaux de neurones ou le traitement du langage naturel. Les objectifs principaux incluent l’acquisition de méthodes pour visualiser des données, implémenter des algorithmes de Machine Learning et exploiter Spark pour l’analyse du Big Data. Les bénéfices pour les participants sont nombreux : ils pourront résoudre des problèmes complexes, booster leur carrière dans un secteur très demandé (avec des salaires compétitifs) et accéder à des ressources complètes (vidéos HD, notebooks de code). Le support est en anglais, tout comme l’examen, et quelques notions de programmation sont requises. Idéale pour les débutants motivés ou les développeurs souhaitant se spécialiser, cette formation offre un contenu équivalent à des bootcamps onéreux, à un coût réduit.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :Aucun

🗂️ Mode de formation : En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Demandeurs d’emploi, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Micro-Formation

Présentation du formateur

Udemy is a leading global provider of online learning and professional certification preparation courses. It offers a diverse range of subjects and is dedicated to enhancing skills that are in demand in today’s job market. Through its platform, learners can access courses anytime and anywhere, enabling flexible and personalized learning experiences. Udemy Business specifically caters to corporate clients, offering tailored training solutions to foster employee development and productivity. Recognized by top companies like Nasdaq, Volkswagen, NetApp, and Eventbrite, Udemy continues to empower individuals and organizations by facilitating in-demand skill acquisition and career advancement.

Programme

Introduction au Python pour la Science des Données :
- Présentation du cours
- Utilisation de Python pour la Science des Données
- Programmation avec Python
Bibliothèques Python pour la Science des Données :
- Utilisation de NumPy pour les données numériques
- Utilisation de Pandas pour l’analyse de données
- Manipulation de fichiers Excel avec Pandas
Visualisation de Données :
- Utilisation de Matplotlib pour les graphiques Python
- Grammages statistiques avec Seaborn
- Visualisations interactives avec Plotly
Apprentissage Machine avec SciKit-Learn :
- Régression Linéaire
- Régression Logistique
- Forêts Aléatoires et Arbres de Décision
- Algorithmes de Clustering : K-Means
- Plaisance Langagière Naturelle et Filtres anti-spam
- Réseaux Neuronaux et Deep Learning
- Machines à Vecteurs de Support
Outils Complémentaires :
- Utilisation de Spark pour l’analyse de Big Data
- Scraping web avec Python
- Connexion de Python à SQL
Conditions Préalables :
- Expérience en programmation
- Permissions administratives pour télécharger des fichiers
Présentation des Instructeurs :
- Jose Portilla – Directrice de la Science des données chez Pierian Training
- Pierian Training – Formation en Science des données et Apprentissage Machine

Machine learning, du POC à la production en python – Orsys

Présentation

Cette formation en machine learning permet aux participants de maîtriser les concepts clés de la data science en utilisant Python, depuis la phase de preuve de concept (POC) jusqu’au déploiement en production. Elle couvre les étapes essentielles telles que le prétraitement des données, l’entraînement et l’évaluation des modèles, ainsi que leur industrialisation via des outils comme scikit-learn et AWS EC2. Les objectifs principaux incluent l’acquisition de compétences pratiques pour choisir et optimiser des modèles, détecter les dérives (data drift et modèle drift), et déployer des API dans le cloud. Les bénéfices pour les apprenants sont multiples : autonomie dans la gestion de projets machine learning, mise en œuvre de solutions opérationnelles et compréhension approfondie des bibliothèques Python dédiées. Le support de cours est en français, tout comme l’examen final. Des connaissances préalables en Python et en théorie du machine learning sont requises pour tirer pleinement profit de cette formation, qui privilégie une approche par travaux pratiques.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :OPCO

🗂️ Mode de formation : En centre de formation, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Demandeurs d’emploi, Entrepreneur, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

ORSYS est un organisme spécialisé dans la formation professionnelle, offrant un large éventail de programmes destinés à divers secteurs tels que le numérique, le management et les compétences métiers. Avec une infrastructure qui comprend plus de 40 centres et 250 salles, ORSYS s’engage à fournir des solutions de formation accessibles, y compris en présentiel et à distance, adaptées aux besoins spécifiques des entreprises et des particuliers. L’organisme propose aussi des certifications reconnues nationalement et internationalement. Grâce à une approche pédagogique rigoureuse et un engagement RSE affirmé, ORSYS s’est établi comme un acteur clé de la formation continue.

Programme

Import des données et preprocessing :
- L’environnement de développement Python / Anaconda / Jupyter Notebook
- Pandas : analyse de données tabulaires
- Traitement des valeurs manquantes
- Traitement des Outliers
- Standardisation
- Normalisation
- Données non balancées
Entraînement de modèles et évaluation :
- Modèles d’apprentissage supervisés et non-supervisés
- Entraînement de modèles avec Scikit-learn
- Méthodes d’évaluations
Optimisation des modèles et log des performances :
- Librairies Optuna, Hyperopt
- Approche Grid Search
- Log des hyper paramètres et des performances dans Mlflow
Modèle et Data Drift :
- Vérification du modèle Drift et du Data Drift
- Librairies Evidently et Streamlit
Industrialisation : déploiement dans le cloud :
- Service AWS EC2
- Flask pour la mise à disposition d’un modèle
- Outils de connexion à l’environnement virtuel
- Déploiement du code par le biais de GitHub

Formation Machine Learning Engineer – DataScientest.fr

Présentation

Cette formation permet de devenir Machine Learning Engineer en maîtrisant la conception, l’entraînement et le déploiement de modèles d’intelligence artificielle. Organisée en bootcamp intensif (5 mois), temps partiel (18 mois) ou alternance (1 à 2 ans), elle couvre 735 heures d’apprentissage avec des technologies comme Python, Scikit-learn, TensorFlow et MLflow. Les objectifs principaux incluent l’acquisition de compétences en Data Engineering, MLOps, Machine Learning et Deep Learning, tout en préparant à la certification RNCP niveau 7 (Bac+5), soutenue par Mines Paris – PSL. Les participants bénéficient d’un accompagnement premium, d’un programme d’insertion professionnelle et d’un accès à des vouchers AWS Cloud Practitioner. Les supports sont en français, tout comme l’examen, et des financements (CPF, France Travail) sont disponibles pour un coût global variant selon le format (à partir de 12 990€). Adaptée aux professionnels visant l’automatisation ou le déploiement Cloud, la formation intègre également des aménagements pour les personnes en situation de handicap.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Avancée

🕐 Durée : Plus de 6 mois

💳️ Financement :CPF, France Travail, OPCO

🗂️ Mode de formation : Blended Learning, Bootcamp, En ligne

🎓 Type de reconnaissance : Diplômante

🎯 Public Cible :Demandeurs d’emploi, Entrepreneur, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Inscrite au RNCP, Alternance, Certification Qualiopi

Présentation du formateur

Programme

Introduction à la Formation Machine Learning Engineer :
- Format et Durée
- Objectifs de la Formation
- Évaluation et Certification
Contenu de la Formation :
- Acculturation Data
- Gestion de Projet et Agilité
- Chefferie de Projet et Éthique/RGPD
- Fondamentaux et Avancé de Python
- Data Engineering et MLOps
- Machine Learning (Classification, Régression, etc.)
- Deep Learning et IA
Accompagnement et Support :
- Interface de Formation Enrichie
- Programme de Carrière
Financement :
- Frais de Formation
- Solutions de Financement
Témoignages et Retour d’Expérience :
- Parcours d’Anciens Élèves
- Programmes Mis à Jour
- Inclusivité
Contacts et Informations Complémentaires :
- Inscription à la Newsletter
- Partenariats et Reconnaissance

Formation Machine Learning avec Python – Plb Consultant

Présentation

Cette formation en Machine Learning avec Python permet aux participants de maîtriser les techniques fondamentales et avancées de l’apprentissage automatique en utilisant des outils tels que Scikit-Learn, SVM, Bayes et Azure Machine Learning. D’une durée de 4 jours (28h), elle s’adresse à un public intermédiaire ayant des bases en Python et vise à développer des compétences opérationnelles pour concevoir des modèles prédictifs performants. Les objectifs incluent l’acquisition des concepts clés du machine learning, la maîtrise des algorithmes supervisés et non supervisés, ainsi que l’utilisation pratique de Scikit-Learn et d’Azure Machine Learning pour le déploiement de solutions. Les participants bénéficieront de travaux pratiques variés (classification, clustering, reconnaissance d’images) et pourront choisir entre un format à distance ou en présentiel (Paris ou Régions). Les supports sont en français, tout comme l’examen, et le coût s’élève à 2490€ HT. Dispensée par PLB Formations, organisme certifié Qualiopi, cette formation offre une approche concrète et reconnue pour intégrer le machine learning dans des projets professionnels.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :Aucun

🗂️ Mode de formation : En centre de formation, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Entrepreneur, Professionnels en reconversion

🔖 Autres : Certification Qualiopi

Présentation du formateur

PLB est un organisme de formation continue spécialisé dans le développement des compétences en informatique et management pour les professionnels. Depuis 25 ans, PLB propose, en présentiel et à distance, plus de 2000 formations couvrant divers domaines tels que l’Unix, le développement, les bases de données, la cybersécurité, et bien d’autres. L’organisme est certifié Qualiopi, garantissant la qualité des services offerts. PLB est reconnu pour ses formations alignées sur les attentes réelles du marché et pour son engagement en matière de RSE, attesté par une évaluation Platinium par EcoVadis, positionnant PLB dans le top 1% des organismes français.

Programme

Fondamentaux du Machine Learning :
- Promesses et technologies du machine learning.
- Relation avec le Cloud et Big Data.
- Introduction au Deep Learning.
- Travaux pratiques avec prévisions, classification, reconnaissance de textes.
Algorithmes Standards :
- Apprentissage supervisé vs non supervisé, régression (linéaire, logistique).
- Arbres de décisions, SVM, Naive Bayes.
- Réseaux de neurones, réduction de dimensions.
Bibliothèque Python (Scikit-Learn) :
- Intégration avec Pandas, Numpy, SciPy, Matplotlib.
- Représentation des données et choix d’algorithmes.
- Travaux pratiques en reconnaissance et classification d’images.
Apprentissage non supervisé (Clustering) :
- Exploration et regroupement de données.
- Réduction des dimensions, extraction de connaissances.
- Travaux pratiques sur extraction de sujets, classification de textes.
Azure Machine Learning :
- Construction de modèles sans coder.
- Valider et déployer les modèles.
- Travaux pratiques avec Visual Studio.

Formation Machine learning : implémentation en Python – Dawan

Présentation

Cette formation de Machine Learning : Implémentation en Python s’adresse aux développeurs Python, Data Scientists et managers de projets souhaitant maîtriser les fondamentaux de l’apprentissage automatique. Dispensée sur 5 jours, elle permet aux participants d’acquérir les compétences nécessaires pour comprendre, choisir et implémenter des algorithmes de Machine Learning en utilisant des bibliothèques Python telles que NumPy, Pandas et Jupyter Notebooks. Les objectifs principaux incluent l’organisation d’un projet d’apprentissage automatique, l’implémentation d’algorithmes (régression linéaire, KNN, SVM, etc.) et l’évaluation des modèles. Les bénéfices pour les participants sont multiples : maîtrise des concepts clés, compétences pratiques en Python et capacité à mener un projet de A à Z. Le support est en français, tout comme l’examen, et une attestation de fin de formation est délivrée. Les prérequis incluent une maîtrise des bases de Python. Accessible aux personnes en situation de handicap, cette formation est éligible au CPF et propose des tarifs dégressifs pour plusieurs sessions.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 jours à 2 semaines

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : Blended Learning, En centre de formation, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi

Présentation du formateur

Dawan est un organisme de formation spécialisé dans les domaines de l’informatique, du management, du marketing et de la bureautique. Implanté dans 11 villes françaises incluant Paris, Lyon, et Bordeaux, Dawan propose une vaste gamme de formations en présentiel et à distance. Les cursus couvrent des sujets variés, allant du développement web aux systèmes d’information, en passant par le cloud computing et l’intelligence artificielle. L’organisme est reconnu pour ses formations certifiantes, son engagement envers la qualité pédagogique, et son approche innovante. Les entreprises de divers secteurs, telles que la BNP Paribas et la SNCF, font appel à ses services pour le développement des compétences de leurs équipes.

Programme

Comprendre l’apprentissage automatique (Machine Learning) :
- Machine Learning : définition, contextes d’utilisation, phases
- Enjeux et limites
- Approches mathématiques et statistiques
- Application et types de données
- Qualification de la phase d’apprentissage
- Panorama d’algorithmes
- Facteurs de pertinence et d’efficacité
Organiser un projet d’apprentissage :
- Défintion du problème
- Acquisition des données
- Analyse et exploration des données
- Préparation et nettoyage des données
- Extraction de caractéristiques
- Choix ou construction du modèle d’apprentissage
- Entrainement, évaluation et optimisation
- Test et vérification de surapprentissage
- Déploiement
Découvrir des bibliothèques Python :
- NumPy : manipulation de matrices et fonctions
- Pandas : lecture et manipulation de données
- Jupyter et ses Notebook : utilisation de cahiers électroniques
Implémenter des algorithmes d’apprentissage sur des données :
- Présentation d’une base de données
- Régression linéaire
- Régression logistique
- K plus proches voisins (KNN)
- Support Vector Machine (SVM)
- Analyse en composante principale (PCA)
- Decision Tree
- Random Forest
Evaluer les modèles implémentés :
- Ré-échantillonnage
- Représentativité des données d’apprentissage
- Interprétation de la matrice de confusion
- Sensibilité et spécificité d’un test (ROC et AUC)

Formation Introduction au machine learning avec Python – Access IT

Présentation

Cette formation de 2 jours offre une initiation pratique au machine learning avec Python, ciblant techniciens, ingénieurs et scientifiques souhaitant maîtriser les fondamentaux de cette discipline. Elle vise à permettre aux participants d’appliquer des algorithmes de machine learning, d’évaluer la fiabilité des modèles et de comparer différentes approches, tout en identifiant leurs limites. Les bénéfices incluent une compréhension opérationnelle des concepts clés, renforcée par des travaux pratiques (60% du temps), ainsi que la possibilité d’utiliser ses propres données pour des cas concrets. Les modules couvrent les étapes d’un projet, de la collecte des données à l’entraînement des modèles, en passant par les algorithmes (classification, régression, SVM, clustering…) via scikit-learn. Le support est en français, tout comme l’examen, et un prérequis est exigé : la maîtrise des librairies NumPy et pandas ou l’équivalent via la formation Python Scientifique. Un entretien préalable avec l’expert garantit l’adéquation du profil. Tarif : 890 € HT, prise en charge possible par les OPCO.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 1 à 2 jours

💳️ Financement :OPCO

🗂️ Mode de formation : En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi, Micro-Formation

Présentation du formateur

Access-IT est un centre de formation spécialisé dans les technologies de l’information. Il propose des formations professionnelles dans divers domaines informatiques, notamment le développement, les réseaux, la sécurité et la gestion de projets. Leurs programmes sont conçus pour répondre aux besoins actuels du marché et sont dispensés par des experts du secteur.

Programme

Objectifs :
- Appliquer des algorithmes de machine learning
- Identifier les limites du machine learning
- Mesurer la fiabilité d’un modèle
- Comparer différents algorithmes
Pré-requis :
- Maîtriser les librairies scientifiques NumPy et pandas
- Entretien en amont avec notre expert
Public :
- Techniciens
- Ingénieurs
- Développeurs
- Scientifiques
- Enseignants
Formation(s) associée(s) :
- Formation Python Scientifique
- Formation Python Big Data
- Formation Google Cloud Platform GCP200CCAI
Travaux pratiques :
- Comprennent de nombreux travaux pratiques
- Travailler sur vos données pour une meilleure expérience
Les modules de formation :
- Module 1 : Introduction
  - Qu’est-ce que le machine learning ?
  - Pourquoi Python pour le machine learning ?
  - Apprentissage supervisé
  - Apprentissage non-supervisé
  - Apprentissage par renforcement
  - Les défis du machine learning
- Module 2 : Les étapes d’un projet machine learning
  - Récupérer des données
  - Visualiser des données
  - Préparer et nettoyer les données
  - Sélectionner et entraîner un modèle
  - Mesurer la fiabilité d’un modèle
- Module 3 : Algorithmes de machine learning : théorie et pratique avec scikit-learn
  - Classification
  - Régression
  - SVM
  - Clustering
  - Arbres de décision
  - Forêts aléatoires
  - Réduction de dimension

Faites des analyses prédictives avec Python & Machine Learning – Le Wagon

Présentation

Cette formation intensive en Python & Machine Learning, dispensée par Le Wagon, permet aux participants d’acquérir des compétences avancées en analyse et modélisation de données. Structurée autour de 40 heures de cours réparties sur 2 mois, elle aborde le nettoyage et la transformation des données, la création de visualisations interactives ainsi que la réalisation de prédictions grâce aux algorithmes de machine learning. Les participants maîtriseront des outils essentiels tels que Pandas, Scikit-Learn, Plotly et Jupyter, tout en menant un projet final pour consolider leurs apprentissages.Les objectifs principaux incluent la manipulation efficace de larges jeux de données, l’automatisation des analyses et le développement de modèles prédictifs. Cette formation s’adresse aux professionnels en charge de données complexes, aux analystes souhaitant se spécialiser en IA ou à toute personne désireuse d’acquérir des compétences techniques solides en data science.Les bénéfices pour les participants sont nombreux : accès à vie à la plateforme d’apprentissage, reconnaissance par l’État (bloc RNCP38616BC03), et insertion dans un réseau d’alumni. Le support pédagogique est disponible en français, tandis que l’examen final peut être réalisé dans la même langue. Aucun prérequis technique n’est exigé, rendant cette formation accessible à un large public. Le tarif s’élève à 1690€, avec des options de financement possibles.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 semaines à 6 mois

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Demandeurs d’emploi, Entreprise, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Inscrite au RNCP, Certification Qualiopi

Présentation du formateur

Le Wagon est un organisme de formation reconnu mondialement, spécialisé dans les bootcamps intensifs de technologie et d’intelligence artificielle. Offrant des cours en ligne et sur 40 campus répartis dans 100 pays, Le Wagon propose une formation immersive et flexible en développement web, science des données, ingénierie des données et marketing de croissance. Classé parmi les meilleurs bootcamps par Course Report et Switchup, Le Wagon est connu pour sa méthodologie axée sur la pratique et le développement de compétences concrètes. Avec un taux d’emploi de 86% pour ses diplômés, ses programmes sont conçus pour transformer des carrières et ouvrir de nouvelles opportunités professionnelles dans le secteur technologique.

Programme

Structure et Contenu du Site :
- Logo et Navigation
- Campus & Emplacements
- Pourquoi Choisir Le Wagon
Détails du Cours Python & Machine Learning :
- Accroitre vos compétences en data
- Design pour vous si
- Programme et Curriculum
- Coût et Durée
Approche pédagogique :
- Approche pratique
- Accès à vie à la plateforme
Informations Additionnelles :
- Reconnaissance et certification
- Assistance et conseils
Conclusion :
- Informations sur l’inscription
- Moyens de communication

Data Science et Machine learning – DataRockstars

Présentation

Cette formation en Data Science et Machine Learning, certifiante RNCP niveau 6 (équivalent BAC+3/4), permet aux participants d’acquérir des compétences essentielles en analyse de données, apprentissage automatique et techniques avancées comme le Deep Learning. Elle vise à former des professionnels capables de concevoir, déployer et optimiser des modèles prédictifs, en intégrant des outils tels que Docker et Kubernetes pour des applications en production. Les objectifs principaux incluent la maîtrise des fondamentaux de la data science, l’exploitation des réseaux neuronaux (CNN, Transformers) et la gestion de projets data end-to-end. Les participants bénéficient d’un accompagnement via un forum dédié, d’un mentorat personnalisé et d’un accès à vie à la plateforme de cours, enrichie de 70 projets couvrant 24 secteurs d’activité. La formation, dispensée en français avec un support dans la même langue, propose des modalités en e-learning (1500 €) ou en distanciel (3500 €), avec des financements possibles (CPF, Pôle Emploi). Un certificat reconnu par l’industrie est délivré à l’issue du parcours.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Intermédiaire

🕐 Durée : 2 semaines à 6 mois

💳️ Financement :CPF, France Travail, OPCO, Région

🗂️ Mode de formation : Bootcamp, En centre de formation, En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Demandeurs d’emploi, Entreprise, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Inscrite au RNCP, Alternance, Certification Qualiopi

Présentation du formateur

Datarockstars est un organisme de formation certifié Qualiopi, axé sur l’intelligence artificielle, la data science et la cybersécurité. Offrant des formations pour tous niveaux, y compris des bootcamps intensifs sur trois mois, l’entreprise propose une expérience d’apprentissage enrichie par des experts reconnus. Les formations variées incluent des cours pour débutants et des spécialisations approfondies, accessibles en présentiel, distanciel et en ligne. La plateforme intègre également un service de recrutement, facilitant l’accès à plus de 25,000 opportunités d’emploi dans les métiers de la data et de la cybersécurité. Des financements à 100% sont disponibles via Pôle Emploi, Région et OPCO.

Programme

Module 1 – Les fondamentaux :
- Introduction aux concepts clés de la data science
- Kit de survie en programmation Python
- Maîtrise des outils indispensables (Github, Jupyter Notebook, PyCharm)
Module 2 – Machine Learning :
- Algorithmes supervisés et non supervisés
- Ensemble learning
- Tunning des hyperparamètres
- Évaluation des modèles
Module 3 – Deep Learning :
- Réseaux neuronaux artificiels
- Réseaux de neurones convolutifs (CNN)
- Transformers
- Transfer learning
Module 4 – IA OPS :
- Déploiement de modèles en production
- Containerisation avec Docker
- Orchestration avec Kubernetes
- Développement d’API avec FastAPI
Module 5 – Projets et Portfolio :
- Projets dans divers secteurs d’activités
- Développement d’applications déployées
- Constitution d’un portfolio technique
- Préparation à l’insertion professionnelle

Complete A.I. & Machine Learning, Data Science Bootcamp – Udemy

Présentation

Cette formation complète en science des données, intelligence artificielle et apprentissage automatique est conçue pour transformer des débutants en professionnels compétents, prêts à être embauchés. Elle couvre des concepts fondamentaux comme la programmation Python, la manipulation de données avec Pandas et NumPy, jusqu’aux techniques avancées telles que les réseaux neuronaux, le deep learning et l’utilisation d’outils comme TensorFlow, Hadoop ou Spark. Les participants acquerront une expérience pratique grâce à des projets concrets, des études de cas et des visualisations de données avec Matplotlib et Seaborn, renforçant ainsi leur portfolio. Les objectifs incluent la maîtrise des modèles prédictifs, l’optimisation des workflows et la capacité à présenter des résultats aux décideurs. Accessible sans prérequis, cette formation en anglais (avec sous-titres auto-traduits dans 15 langues) s’adresse aussi bien aux novices qu’aux développeurs expérimentés. Les instructeurs, Andrei Neagoie et Daniel Bourke, apportent une expertise industrielle issue de sociétés comme Google ou Meta, garantissant un apprentissage aligné sur les besoins du marché.

Points forts

Points faibles

Caractéristiques

📊 Niveau :Débutant

🕐 Durée : 2 semaines à 6 mois

💳️ Financement :Aucun

🗂️ Mode de formation : Bootcamp, En ligne

🎓 Type de reconnaissance : Certifiante

🎯 Public Cible :Demandeurs d’emploi, Étudiant, Professionnels en reconversion, Salariés

🔖 Autres : Micro-Formation

Présentation du formateur

Programme

Introduction au Machine Learning et à la Science des Données :
- Comprendre les concepts de base
- Présentation des outils et technologies modernes
- Installation et configuration de l’environnement de développement
Programmation en Python :
- Syntaxe de base et structures de données
- Bibliothèques Python pour la science des données
- Programmation orientée objet
Exploration et Visualisation des Données :
- Utilisation de Pandas pour manipuler les données
- Visualisation avec Matplotlib et Seaborn
- Analyse exploratoire des données
Apprentissage Automatique :
- Classification et régression
- Évaluation des modèles
- Ensembles de méthodes : Forêts aléatoires et Arbres de décision
Réseaux de Neurones et Apprentissage Profond :
- Introduction aux réseaux de neurones
- Utilisation de TensorFlow 2.0 pour l’apprentissage profond
- Apprentissage par transfert
Ingénierie des Données :
- Introduction à Hadoop et Spark
- Gestion des flux de données avec Kafka
Projets et Études de Cas :
- Projets réels de science des données
- Développement d’un portfolio professionnel

PARTENAIRE

Formation SynapseML – Ambient IT

Présentation

La formation SynapseML, anciennement connue sous le nom de MMLSpark, propose une immersion dans la bibliothèque de Machine Learning développée par Microsoft. Cette formation, disponible à Paris et en classe virtuelle, permet d’explorer plus de 45 services de Machine Learning intégrés directement dans le système.Le programme s’appuie sur la version v0.9.4 et nécessite des connaissances préalables en Apache Spark. Les participants découvrent comment construire des systèmes intelligents évolutifs grâce à des APIs unifiées, tout en bénéficiant de mécanismes de back-offs exponentiels pour gérer les connexions réseau instables. La formation est dispensée par Ambient IT, un organisme certifié Microsoft Partner et Linux Foundation Reseller. 🤖

Points forts

Points faibles

Caractéristiques

📊 Niveau :Avancée

🕐 Durée : 1 à 2 jours

💳️ Financement :CPF, OPCO

🗂️ Mode de formation : En centre de formation, En ligne

🎓 Type de reconnaissance : Qualifiante

🎯 Public Cible :Entrepreneur, Entreprise, Professionnels en reconversion, Salariés

🔖 Autres : Certification Qualiopi, Micro-Formation

Présentation du formateur

Programme

Introduction
- Qu’est-ce que SynapseML ?
- Caractéristiques principales
- Machine Learning : rappel des bases
- Écosystème Spark de Microsoft
- Apache Spark et SparkML
Les fonctionnalités de SynapseML
- API simples pour des services intelligents préconstruits
- Création de pipelines à grande échelle
- Frameworks ML
- Azure Cognitive Services
- Isolation Forest
- OpenCV
- LightGBM
- Open Neural Network Exchange (ONNX)
- V

Voir la formation

Format	Caractéristiques	Adapté pour
Bootcamp	2-6 mois intensifs	Reconversion rapide
Formation longue	12-24 mois	Approfondissement
Présentiel	Interactions directes	Débutants complets
Distanciel	Flexibilité horaire	Professionnels en poste
Hybride	Alternance synchrone/asynchrone	Équilibre vie pro/formation

Thématique	Compétences	Objectifs
Fondements mathématiques	Algèbre linéaire, calcul différentiel, statistiques inférentielles, probabilités, optimisation	Maîtriser les bases théoriques pour comprendre le fonctionnement des algorithmes et interpréter correctement les résultats des modèles
Programmation et outils	Python, R, NumPy, pandas, scikit-learn, Git, bases de données SQL/NoSQL	Acquérir les compétences techniques pour implémenter, tester et partager des solutions de Machine Learning
Algorithmes d’apprentissage	Régression, SVM, arbres de décision, Random Forest, k-means, réduction dimensionnelle, réseaux de neurones	Maîtriser les principaux algorithmes et savoir sélectionner le plus adapté à chaque problème spécifique
Deep Learning	TensorFlow, PyTorch, CNN, RNN, LSTM, GAN, transformers, fine-tuning	Concevoir et entraîner des réseaux de neurones profonds pour résoudre des problèmes complexes
Ingénierie des données	ETL, feature engineering, data cleaning, normalisation, data augmentation, gestion des valeurs manquantes	Transformer les données brutes en features pertinentes pour optimiser les performances des modèles
Évaluation et optimisation	Validation croisée, métriques d’évaluation, hyperparameter tuning, regularisation, early stopping	Mesurer et améliorer les performances des modèles tout en évitant le surapprentissage
MLOps et déploiement	Docker, API REST, CI/CD, monitoring, A/B testing, cloud computing (AWS, GCP, Azure)	Industrialiser et déployer des modèles ML en production avec un suivi de leurs performances
IA responsable	Explicabilité (SHAP, LIME), détection de biais, confidentialité des données, éthique	Développer des modèles transparents, équitables et conformes aux réglementations (RGPD)
Gestion de projet ML	Méthodologie agile, définition de KPIs, documentation, communication des résultats	Structurer et mener à bien des projets de Machine Learning de l’idéation à la production

Formations Machine Learning🥇🥈🥉

Python pour le Machine Learning (6)

SynapseML (1)

MLOps (1)

Machine Learning Engineer (1)

❤️ Formationsqu’on love<3

Pour former vos équipes �

Voir la formation

🏆 Les meilleurs formations Machine Learning

Formation Machine Learning – Ambient IT

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Introduction Maîtriser les bases du Machine Learning : une approche pratique – Ambient IT

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Graph Analytics et Machine Learning avec TigerGraph – Ambient IT

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Machine Learning – Expert Python

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Data Mining et Machine Learning – CertYou

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Machine Learning Engineer – DataScientest.com

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Python for Data Science and Machine Learning Bootcamp – Udemy

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Machine learning, du POC à la production en python – Orsys

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Machine Learning Engineer – DataScientest.fr

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Machine Learning avec Python – Plb Consultant

Présentation

Points forts

Points faibles

Caractéristiques

Présentation du formateur

Programme

Formation Machine learning : implémentation en Python – Dawan