À qui s’adresse cette formation ?

A toute personne intéressée par l’apprentissage automatique (Machine Learning) qui souhaite acquérir une compréhension approfondie des concepts fondamentaux tout en mettant en pratique ses connaissances avec l’outil largement utilisé, Excel.

Les participants peuvent provenir de divers horizons, y compris des professionnels travaillant dans des secteurs variés, ou toute personne curieuse et désireuse d’explorer le domaine du Machine Learning sans une connaissance approfondie en programmation.

Pour obtenir quoi ?

À la fin de la formation, les participants auront développé une solide compréhension conceptuelle du Machine Learning, tout en acquérant des compétences pratiques pour appliquer ces concepts à l’aide d’Excel. Il est important de noter que l’objectif n’est pas de former les participants à créer des programmes destinés à traiter des ensembles massifs de données réelles. En utilisant Excel, l’accent est mis sur la compréhension du fonctionnement des algorithmes à travers l’expérimentation avec des données simples. L’objectif est d’offrir une approche accessible permettant d’explorer les principes du Machine Learning sans nécessiter une expertise approfondie en programmation, en se concentrant plutôt sur une compréhension intuitive des mécanismes sous-jacents.

Quels objectifs pédagogiques ?

Comprendre les concepts fondamentaux du Machine Learning.

Apprendre à implémenter des modèles de Machine Learning tels que KNN, Naive Bayes, LDA, QDA, arbres de décision, Bagging, RandomForest, gradient boosting, régression linéaire, régression logistique, SVM, et réseaux de neurones.

Quelles méthodes mobilisées ?

La formation adopte une approche équilibrée entre la théorie et la pratique. Les méthodes pédagogiques comprennent des présentations théoriques pour les concepts fondamentaux, des démonstrations pratiques illustrant l’utilisation des fonctions Excel dans l’implémentation des modèles, ainsi que des visualisations permettant aux participants de saisir de manière intuitive les principes sous-jacents. Ces méthodes variées visent à garantir une compréhension approfondie du Machine Learning tout en offrant des outils concrets et visuels pour renforcer l’apprentissage.

Quels sont les prérequis ?

Aucune connaissance approfondie en programmation n’est requise. Cependant, une familiarité de base avec Excel est recommandée. Les participants devraient avoir un intérêt général pour le domaine du Machine Learning et être prêts à appliquer activement les concepts appris dans des exercices pratiques et des projets.

Quelles modalités d’évaluation ?

Une évaluation des acquis des objectifs sera réalisée durant la formation.

Chaque participant se munira d’un ordinateur portable pour les travaux pratiques.