Session Data Science Appliquée 2019
Informations
Période
Se renseignerLangue
FrançaisFormat
En présenceInscriptions
Finance d'inscription:
CHF 950.-
Objectifs
- Découvrir le monde de la data science et les grandes familles de problèmes
- Découvrir les outils du data scientist
- Explorer le processus de développement d’un modèle
Public
Programme
Jour 1:
- Introduction à la data science
- Modélisation d’un problème (input / ouput d’un problème de machine learning)
- Identifer les familles d’algorithmes de machine learning
- Comment ça marche?
- Construction de fonction de coût et méthode de minimisation
- Les outils du data scientist
- Python, Numpy, Scikit-learn, Jupyter Notebook
- Pratique: prédire le prix d’une course de taxi à New York
- Découverte du problème
- Exploration des données et visualisation
- Nettoyage des données
Jour 2:
- Construire et évaluer des modèles
- Pratique – continuer la prédiction d’une course de taxis à New York
- Tester plusieurs modèles
- Le deep learning c’est quoi?
- Introduction des concepts
- Comment ça marche?
- Reconnaissance d’images
- Pratique: classifier des images par transfer learning
- Optimisation de modèles existants
Direction
Prof. Giovanna DI MARZO SERUGENDO, Centre universitaire d'informatique, Université de Genève
Coordination
Conditions d'admission
- Connaissance de base en programmation ou scripting
Remarques
- Un laptop (Mac OS, linux, Windows)
- Les logiciels à installer seront communiqués avant le cours
Catherine Zwahlen, BCV, Lausanne
Suite à un doctorat en chimie physique à l’Université de Lausanne, Catherine a travaillé près de quinze ans dans des start-ups et participé à des projets de recherches internationaux, avant de rejoindre le domaine du consulting. Au cours de sa carrière, elle a conçu et développé des solutions d’analyse, de recherche et de partage de données à grande échelle dans le domaine des sciences de la vie. Elle a utilisé des techniques de machine learning et deep learning pour répondre à des problématiques de classification de documents et reconnaissance d’images. Aujourd’hui en entreprise, elle accompagne des projets pour une mise en œuvre pragmatique des technologies de l'intelligence artificielle.