Aller au contenuSkip to content
  1. AccueilHome
  2. FormationsTraining
  3. IA et science des donnéesAI and data science
  4. Apprentissage automatique appliqué avec Python et DataikuApplied Machine Learning with Python and Dataiku
IA et science des donnéesAI and data scienceAvancéAdvanced

Apprentissage automatique appliqué avec Python et DataikuApplied Machine Learning with Python and Dataiku

Un bon modèle ne suffit pas : il doit être compris, adopté et surveillé une fois en production.

A good model isn’t enough: it has to be understood, adopted and monitored once in production.

Bâtir, évaluer et expliquer des modèles prédictifs utiles à l’organisation, du cadrage du problème jusqu’au suivi en production.

Build, evaluate and explain predictive models that matter to your organization, from framing the problem to monitoring in production.

  • DuréeDurationTrois joursThree days
  • NiveauLevelAvancéAdvanced
  • FormatsFormatsInter-entreprisesPublic sessions, Intra-entrepriseIn-house
  • ModalitésDeliveryPrésentielIn person, HybrideHybrid
PythonDataikuDatabricks
Vous saurezYou will masterCadrage de problèmeProblem framingConception de variablesFeature engineeringModèles d’ensembleEnsemble modelsChoix des métriquesChoosing metricsInterprétabilité des modèlesModel interpretability
AperçuOverview

Pourquoi suivreWhy take cette formation ?this course?

Bâtir, évaluer et expliquer des modèles prédictifs utiles à l’organisation, du cadrage du problème jusqu’au suivi en production.

Build, evaluate and explain predictive models that matter to your organization, from framing the problem to monitoring in production.

01

Trop de modèles restent au laboToo many models stay in the lab

Beaucoup de projets prometteurs ne dépassent jamais le carnet du scientifique. Penser au déploiement dès le cadrage change l’issue.

Many promising projects never leave the data scientist’s notebook. Thinking about deployment from the framing stage changes the outcome.

02

Les décideurs veulent comprendreDecision makers want to understand

Un modèle qu’on ne sait pas expliquer ne sera pas utilisé. L’interprétabilité est devenue une exigence métier autant que réglementaire.

A model nobody can explain won’t be used. Interpretability has become a business requirement as much as a regulatory one.

03

Les données changentData keeps changing

Habitudes de clientèle, conditions économiques, nouveaux produits : un modèle performant aujourd’hui se dégrade sans surveillance de la dérive.

Customer habits, economic conditions, new products: a model that performs well today degrades without drift monitoring.

ObjectifsObjectives

À la fin,By the end, vous saurez…you will be able to…

  1. Cadrer un problème métier sous forme de problème d’apprentissage automatiqueFrame a business problem as a machine learning problem
  2. Préparer les données et concevoir des variables explicatives pertinentesPrepare data and engineer meaningful features
  3. Entraîner et comparer des modèles de classification et de régressionTrain and compare classification and regression models
  4. Évaluer un modèle avec les bonnes métriques et en expliquer les prédictionsEvaluate a model with the right metrics and explain its predictions
  5. Déployer et surveiller un modèle avec Dataiku ou DatabricksDeploy and monitor a model with Dataiku or Databricks
En atelierHands-on

Un modèle prédictif complet, du cadrage au déploiementA complete predictive model, from framing to deployment

Sur un jeu de données réaliste, vous menez un projet de bout en bout dans Python et dans Dataiku, jusqu’au déploiement et à la surveillance du modèle.

On a realistic dataset, you run an end-to-end project in both Python and Dataiku, all the way to deploying and monitoring the model.

  • Fiche de cadrage avec variable cibleFraming brief with target variable
  • Pipeline de préparation et de variablesData preparation and feature pipeline
  • Comparaison de modèles avec métriquesModel comparison with metrics
  • Modèle déployé et tableau de surveillanceDeployed model and monitoring dashboard
En sortant de la formationWhen you leave

Le participant sait mener un projet d’apprentissage automatique du cadrage au déploiement et en expliquer les résultats aux décideurs.

Participants can lead a machine learning project from framing to deployment and explain the results to decision-makers.

ProgrammeProgram

Le programme,The program, module par module.module by module.

  1. 01
    Module 1Module 1

    Cadrer le problèmeFraming the problem

    • Du besoin métier à la variable cibleFrom business need to target variable
    • Données disponibles et biais possiblesAvailable data and potential bias
    • Critères de succès partagés avec le métierSuccess criteria agreed with the business
  2. 02
    Module 2Module 2

    Préparer les donnéesPreparing the data

    • Nettoyage et encodageCleaning and encoding
    • Conception de variablesFeature engineering
    • Découpage entraînement, validation et testTrain, validation and test splits
  3. 03
    Module 3Module 3

    ModéliserModelling

    • Régression, arbres et méthodes d’ensemble avec scikit-learnRegression, trees and ensemble methods with scikit-learn
    • Recettes visuelles et code dans DataikuVisual recipes and code in Dataiku
    • Optimisation des hyperparamètresHyperparameter tuning
  4. 04
    Module 4Module 4

    Évaluer et expliquerEvaluating and explaining

    • Métriques adaptées au contexteMetrics that fit the context
    • Interprétabilité et valeurs de ShapleyInterpretability and Shapley values
    • Équité et effets indésirablesFairness and unintended effects
  5. 05
    Module 5Module 5

    Mettre en productionGoing to production

    • Suivi des expériencesExperiment tracking
    • Déploiement par lots ou en serviceBatch or real-time deployment
    • Surveillance de la dérive et réentraînementDrift monitoring and retraining
Infos pratiquesPractical info

ModalitésHow it et organisation.works.

DuréeDuration

Trois joursThree days · ajustable en intra · adjustable in-house

FormatsFormats

Inter-entreprisesPublic sessions
Intra-entrepriseIn-house

ModalitésDelivery

Présentiel : dans nos locaux ou dans les vôtresIn person: at our offices or yours
Hybride : des temps en salle et à distanceHybrid: a mix of classroom and online time

Public viséAudience

  • Analystes et scientifiques de donnéesData analysts and data scientists
  • Ingénieurs de données qui soutiennent des projets d’IAData engineers supporting AI projects
  • Développeurs qui souhaitent se spécialiser en apprentissage automatiqueDevelopers looking to specialize in machine learning

PrérequisPrerequisites

  • Bonne maîtrise de Python et de pandasSolid Python and pandas skills
  • Notions de statistiques descriptivesBasic descriptive statistics

PédagogieTeaching approach

  • Cas complet de bout en bout sur un jeu de données réalisteA full end-to-end case on a realistic dataset
  • Travail en parallèle dans Python et dans Dataiku pour comparer les approchesSide-by-side work in Python and Dataiku to compare approaches
  • Retour d’expérience de consultants sur des modèles en productionLessons learned from consultants who run models in production

ÉvaluationAssessment

Évaluation des acquis par des exercices pratiques et attestation de participation remise en fin de formation.Skills are assessed through hands-on exercises, and a certificate of attendance is issued at the end.

AccessibilitéAccessibility

Besoin d’une adaptation ? Dites-le-nous : nous ajustons le rythme, les supports ou la salle.Need an accommodation? Let us know: we adapt the pace, materials or room.
SOVotre formateur ou formatriceYour trainer

Samuel Ouellet

Scientifique de données principal

Principal data scientist

Il conçoit des modèles et des assistants d’IA générative utiles, sécurisés et suivis en production.

He builds useful, secure generative AI assistants and models that are monitored in production.

  • PythonPython
  • Apprentissage automatiqueMachine learning
  • IA générativeGenerative AI
  • ÉvaluationEvaluation
Faire le même cas en Python et dans Dataiku nous a aidés à choisir la bonne approche pour notre équipe. La partie sur la dérive m’a évité une mauvaise surprise en production.Working the same case in Python and in Dataiku helped us choose the right approach for our team. The drift section saved me from a nasty surprise in production.
Scientifique de données, institution financièreData Scientist, financial institution
FAQ

Vos questions,Your questions, nos réponses.our answers.

Une autre question ? Écrivez-nous dans le formulaire de demande, nous répondons rapidement.

Another question? Write to us in the request form, we reply quickly.

Quel niveau de Python est attendu ?What level of Python is expected?

Vous devez être à l’aise avec pandas : filtrer, joindre et agréger des données sans aide. La formation Python pour l’analyse de données est une bonne préparation au besoin.

You should be comfortable with pandas: filtering, joining and aggregating data without help. If needed, the Python for Data Analysis course is good preparation.

Faut-il une licence Dataiku ou Databricks ?Do I need a Dataiku or Databricks licence?

Non. Des environnements de formation sont fournis pour les deux plateformes. Vous repartez aussi avec le code Python complet, utilisable sans licence.

No. Training environments are provided for both platforms. You also leave with the complete Python code, which you can use without any licence.

Les mathématiques sont-elles très présentes ?Is there a lot of math?

Juste ce qu’il faut pour bien choisir et évaluer un modèle. L’accent est mis sur l’intuition, les bonnes pratiques et l’explication des résultats aux décideurs.

Just enough to choose and evaluate a model properly. The focus is on intuition, good practices and explaining results to decision makers.

Peut-on adapter cette formation à notre équipe ?Can this course be adapted to our team?

Oui. En intra, nous ajustons les exemples, la durée et les exercices à vos outils et, si vous le souhaitez, à vos propres données anonymisées.

Yes. In-house, we adjust examples, length and exercises to your tools and, if you wish, to your own anonymized data.

Reçoit-on une attestation ?Do participants receive a certificate?

Une attestation de participation est remise à chaque participant à la fin de la formation.

Each participant receives a certificate of attendance at the end of the course.

DemandeRequest

Organisons cette formationLet’s organize this course pour votre équipe.for your team.

Indiquez-nous votre contexte : nous revenons vers vous avec une proposition de dates, de format et, si besoin, un programme ajusté.

Tell us about your context: we will come back to you with suggested dates, format and, if needed, an adjusted program.

IA et science des donnéesAI and data scienceApprentissage automatique appliqué avec Python et DataikuApplied Machine Learning with Python and DataikuTrois joursThree days · AvancéAdvanced
  • Réponse rapide d’une personne de l’équipe formationA quick reply from someone on our training team
  • Programme ajusté à vos outils et à vos donnéesProgram adjusted to your tools and data
  • Dans vos locaux, dans les nôtres ou à distanceAt your offices, ours or online
* Champs obligatoires* Required fields
À découvrir aussiYou may also like

D’autres formationsMore courses pour votre équipe.for your team.

  • En interPublic session
  • En intraIn-house
  • En individuelOne-on-one

Python pour l’analyse de donnéesPython for Data Analysis

Passer d’Excel à Python pour nettoyer, transformer, analyser et visualiser des données de façon reproductible, sans devenir développeur.

Move from Excel to Python to clean, transform, analyze and chart data in a repeatable way, without becoming a developer.

Trois joursThree daysDécouverteFoundation
Découvrir la formationDiscover the course
  • En interPublic session
  • En intraIn-house

IA générative, parcours Découvrir : comprendre et bien utiliserGenerative AI, Discover Track: Understand It and Use It Well

Premier jalon du parcours IA générative : comprendre comment fonctionnent les grands modèles de langage, ce qu’ils font bien, ce qu’ils font mal et comment les utiliser de façon responsable.

The first step of the generative AI track: learn how large language models work, what they do well, where they fall short and how to use them responsibly.

Une journéeOne dayDécouverteFoundation
Découvrir la formationDiscover the course
  • En interPublic session
  • En intraIn-house

IA générative, parcours Prototyper : de l’idée au prototypeGenerative AI, Prototype Track: From Idea to Working Prototype

Deuxième jalon du parcours : construire un prototype d’assistant qui s’appuie sur vos documents, l’évaluer avec rigueur et décider s’il mérite d’aller plus loin.

The second step of the track: build a prototype assistant grounded in your documents, evaluate it rigorously and decide whether it's worth taking further.

Deux joursTwo daysIntermédiaireIntermediate
Découvrir la formationDiscover the course
  • En interPublic session
  • En intraIn-house

Power BI : les fondamentauxPower BI Fundamentals

Passez de vos fichiers Excel à des rapports Power BI fiables et partagés. Une base solide pour connecter, modéliser et publier vos premiers tableaux de bord.

Move from Excel files to reliable, shared Power BI reports. A solid foundation to connect, model and publish your first dashboards.

Deux joursTwo daysDécouverteFoundation
Découvrir la formationDiscover the course
  • En interPublic session
  • En intraIn-house

Modélisation dimensionnelle avec dbtDimensional Modelling with dbt

Modélisez des schémas en étoile solides et outillez vos transformations SQL avec dbt : tests, documentation et déploiement en continu.

Design solid star schemas and bring engineering discipline to your SQL transformations with dbt: tests, documentation and continuous deployment.

Quatre demi-journéesFour half daysIntermédiaireIntermediate
Découvrir la formationDiscover the course
#MonterEnCompétencesUpskill

Construisons le plan de formation de votre équipe.Let’s build your team’s training plan.

Dites-nous qui vous voulez former et sur quoi : nous vous proposons un programme adapté, dans le format qui vous convient.

Tell us who you want to train and on what: we will propose a tailored program in the format that suits you.

Construisons la suite

Votre prochain défi.Une prochaine étape réfléchie.

Rejoindre l’équipe MiradorVoir les postes ouverts