Fast learning > Machine Learning – G.B.M. (Gradient Boosting Method)
 

Machine Learning – G.B.M. (Gradient Boosting Method)

Dernière mise à jour le 24 mai 2024

Programme de la formation

Découvrez, ou redécouvrez, en seulement 2 heures, les méthodes de gradient boosting, qui permettent de créer un classifieur fort à partir de classifieurs faibles, ainsi que leur mise en application sous « R » !

  • Introduction
  • Motivation
  • Concept de base (notion d’ensemble itératif, classifieur faible, gradient, overfit, loss function, …)
  • Mise en pratique sous « R »
  • Avantages & inconvénients
  • Hyperparameters tuning & GoF
  • Visualisation (VI, PDP, LIME)
  • Quizz
  • Fiche récapitulative
Dernière date
Inscription possible jusqu'à la veille de la formation 16h (hors weekend et jour férié)
Prix
  • 450 € HT
  • TVA 20%
  • 540 € TTC
Lieu

TEAMS, En distanciel, via application

Durée

2 heures

Programme adaptable,
sur-mesure

Notre formateur

Dimitri MINASSIAN

Actuaire certifié travaillant au sein de Liberty Mutual Re, Dimitri est lauréat du Prix Caritat 2018. Fort de ses diverses responsabilités en France comme à l'étranger, Dimitri a développé une expertise technique sur de nombreuses problématiques non-vies, telles que la modélisation des risques en extrêmes, le machine learning ou la tarification. Ayant un attrait particulier pour l'enseignement et le partage des connaissances, Dimitri intervient dans plusieurs formations Caritat.

Points clés

À qui s’adresse cette formation ?

À toutes les personnes désireuses de découvrir ou redécouvrir l’essentiel des algorithmes de type GBM, à savoir leur concept, leurs intérêts et leurs mises en pratique.

Pour obtenir quoi ?

Comprendre l’essentiel des algorithmes de type GBM, à savoir leur concept, leurs intérêts et leurs mises en pratique.

Quels sont les objectifs pédagogiques ?

  • Apprivoiser les algorithmes de type GBM.
  • Exposer leurs mises en pratique avec le langage « R » (y compris le tuning des hyper-paramètres).

Quelles méthodes mobilisées ?

Au cours de cette session, les participants seront sollicités sur les aspects théoriques du sujet, ainsi que sur leurs mises en pratiques via des cas concrets tirés de la vie réelle.

Quels sont les prérequis ?

Afin de pouvoir profiter pleinement de cette formation, il est vivement recommandé au participant de suivre au préalable la session sur les « arbres de décisions ». Il est préférable – mais pas obligatoire – de suivre également la formation « forêt aléatoire » et de connaître les bases du langage « R » (lecture et manipulation de données).

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.

Inscrivez-vous à notre newsletter

Pour recevoir toutes les dernières informations