Comprendre le Machine Learning avec Excel : approche conceptuelle et implémentation pratique

Cette formation donne 84 points PPC aux membres qualifiés de l’Institut des Actuaires
Dernière mise à jour le 5 janvier 2024

Programme de la formation

Introduction au Machine Learning (ML)

  • Définitions et concepts clés du ML
  • Aperçu des applications dans divers secteurs
  • Vue d’ensemble des modèles de machine learning

Fondamentaux d’Excel pour le Machine Learning

  • Utilisation avancée des fonctions Excel pour la manipulation de données
  • Préparation des données en vue de l’analyse
  • Principe des implémentations des algorithmes

Comprendre et implémenter les modèles

  • KNN (K plus proches voisins)
  • Naive Bayes
  • LDA et QDA (Linear Discriminant Analysis, Quadratic Discriminant Analysis)
  • Arbre de décision
  • Bagging
  • RandomForest et gradient Boosting
  • Régression linéaire et logistique
  • SVM (Support Vector Machine)
  • Réseau de neurones

Optimisation des Modèles ML dans Excel

  • Ajustement des paramètres pour améliorer la performance des modèles
  • Utilisation de la validation croisée pour garantir la robustesse des résultats

Cas Pratiques et Projets Concrets

  • Application des compétences acquises à des problèmes réels
  • Réalisation d’un projet complet de ML avec Excel
Dernière date
23 et 24 avril 2024
Inscription possible jusqu'à la veille de la formation 16h (hors weekend et jour férié)
Horaires

9h00 - 12h30 et 14h00 - 17h30

Prix
  • 2300 € HT
  • TVA 20%
  • 2760 € TTC
Lieu

CARITAT, 5 rue Tronchet 75008 PARIS

Session suivante

En 2025

Durée

2 jours

Programme adaptable,
sur-mesure

Notre formateur

Kezhan SHI

Il est diplômé de l'École Centrale Paris et titulaire d'un master en actuariat de l'Université Paris Dauphine. Il a travaillé chez Axa Global Direct et Allianz, avant de rejoindre Diot Siaci en 2022, au titre de Responsable du Data Lab.

Points clés

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.

Points forts

  • Approche Conceptuelle et Pratique : Une combinaison équilibrée entre la compréhension des concepts du ML et leur mise en œuvre pratique avec Excel.
  • Accessibilité : En utilisant Excel, un outil largement disponible, la formation rend le ML accessible même aux personnes n’ayant pas de connaissances approfondies en programmation.
Inscrivez-vous à notre newsletter

Pour recevoir toutes les dernières informations