ARTEFACT SCHOOL OF DATA - AUSBILDUNG & BOOTCAMP DATENWISSENSCHAFT, DATENTECHNIK, DATENANALYTIK

Beaufsichtigte Lehrlingsausbildung

Steigen Sie ein in die Welt der maschinellen Ausbildung mit Scikit-learn, der Referenz made in France (cocorico)! Machen Sie sich mit den wichtigsten Algorithmenfamilien vertraut, um Klassifizierungs- oder Regressionsaufgaben für gelabelte Daten zu lösen: KNN, SVM, Naïve Bayes, Regressoren, Entscheidungsbäume. Optimieren Sie Ihre Leistungen mit ensemblistischen Modellen wie dem Gradient Boosting oder dem Random Forest.

Nicht beaufsichtigte Ausbildung

Gehen Sie anschließend zu nicht überwachten Techniken wie der Hauptkomponentenanalyse (PCA) zur Verringerung der Dimensionen Ihres Datenbestands oder dem Clustering zur automatischen Segmentierung Ihres Datenbestands in verschiedene Gruppen über. Entdecken Sie fortschrittliche Modelle für hierarchisches Clustering, Assoziationslernen und die Erkennung von Anomalien.

Bewertung und Optimierung von Modellen

Lernen Sie alle für die Lösung eines Problems des maschinellen Lernens unerlässlichen Schritte im Detail kennen: Datenvorverarbeitung, Feature-Engineering, Bewertungsmethoden, Datenschichtung und Kreuzvalidierung, Optimierung von Hyperparametern, Varianzkompromiss, Regulierung von Überanpassungen. Sie können unausgeglichene Datensätze mit Hilfe von Verstärkungs- oder Synthesetechniken bearbeiten. Automatisieren Sie alle diese Schritte in Pipelines mit Kodierern und Transformatoren.

Anwendungen Business

Setzen Sie Ihre neuen Kenntnisse in vier geschäftsorientierten Projekten in die Praxis um: Vorhersage von Zeitreihen, Konzeption eines Empfehlungsmotors, Kundensegmentierung und Kundenabwanderung, Betrugsbekämpfung.

Textverarbeitung

Lernen Sie die Grundlagen der Textanalyse kennen: Tokenisierung, n-gram, Stemming, Lemmatisierung, Bag of Words, TF-IDF, POS-Tagging und Dependency Parsing. Machen Sie sich mit den Sprachverarbeitungsbibliotheken NLTK und spaCy vertraut. Détectez des patterns de textes grâce aux expressions régulières.

Textmining

Lernen Sie die verschiedenen Ansätze zur Gewinnung von Informationen aus einem Dokument kennen: Identifizieren Sie die relevanten Begriffe mit Hilfe verschiedener Algorithmen zur Themenmodellierung, füllen Sie den Text mit Techniken zur Erkennung von Namensbezeichnungen (NER) aus und lernen Sie die verschiedenen Methoden zur Analyse von Gefühlen kennen.

Wort-Einbettungen

Manipulieren Sie die wichtigsten Worteinbettungen wie Glove, FastText und Word2Vec: lernen Sie die Techniken der Einbettung (skip-gram, CBOW) kennen, assimilieren Sie die Techniken der Visualisierung (t-sne) und entdecken Sie ihre Wechselwirkungen, um sie effizient zu nutzen. Nutzen Sie alle ihre Möglichkeiten in einem Projekt zur Bekämpfung von Trollen in Foren.

Chatbot

Kombinieren Sie die verschiedenen Techniken, um Ihren eigenen Chatbot in einem vollständigen Projekt zu erstellen, das Sie bis zu seiner Einrichtung und Integration in den Facebook Messenger führt. Wenn Sie diese Konzepte verinnerlicht haben, entscheiden Sie sich für eine vereinfachte Lösung mit der API Dialogflow.

Datenbasen

Erstellen und Abfragen von relationalen Datenbasen mit der SQL-Sprache. Verbinden Sie Ihre Datenbank mit Ihrem Python-Skript, indem Sie einen objektrelationalen Mapper (ORM) wie SQLAlchemy verwenden. Betrachten Sie die verschiedenen Arten von NoSQL-Datenbanken (Dokumente, Tabellen, Spalten, Grafiken) und deren Verwaltungssysteme.

Einführung in die Produktion

Gehen Sie vom Prototyp zum Seriencode über, indem Sie die besten Methoden für die Versionsverwaltung und virtuelle Umgebungen anwenden. Gérez le cycle de vie de votre modèle de machine learning avec MLflow. Stellen Sie Ihren Code in Python-Paketen zur Verfügung, führen Sie Tests zur Regressionsfreiheit durch und setzen Sie einen kontinuierlichen Integrationsprozess ein. Implementieren Sie Ihre Modelle, indem Sie Ihre eigenen APIs mit Flask und FastAPI erstellen und in der Cloud bereitstellen.

Cloud Computing

Nutzen Sie die wichtigsten Cloud-Plattformen, insbesondere AWS und GCP, zum Lagern, Hosten, Berechnen und Bereitstellen. Konstruieren Sie Docker-Konten für Ihre Modelle und orchestrieren Sie deren Bereitstellung und Montage mit Kubernetes. Richten Sie einen robusten ETL-Prozess mit Airflow ein, um Ihre Daten zu extrahieren, vorzuverarbeiten und zu speichern.

Große Daten

Ändern Sie die Dimensionen, indem Sie zu sehr großen Datenmengen und verteilten Architekturen übergehen. Machen Sie sich mit Hadoop, MapReduce und HDFS vertraut, bevor Sie die ganze Leistungsfähigkeit von Spark über die Python-API, aber auch über die Scala-Sprache kennenlernen.

Neuronale Netze

Konstruieren Sie Ihre ersten Neuronen-Netzwerke in mehreren Bereichen, um sich mit ihrer Funktionsweise (Vorwärts- und Rückwärtspropagation), ihren Parametern (Aktivierungsfunktion, Kostenfunktion, Optimierer), ihrer Ausbildung (Epochen, Stapelgröße, Lernrate) und ihrer Regelmäßigkeit (Dropout, frühzeitiges Stoppen, Datenerweiterung) vertraut zu machen. Konstruieren Sie komplexe Architekturen in wenigen Codezeilen mit den Bibliotheken Tensorflow/Keras und PyTorch.

Computer Vision

Nutzen Sie die Leistungsfähigkeit von Convolutiven Neuronen-Netzwerken (CNN), um die in Bildern enthaltenen räumlichen Informationen zu erkennen. Machen Sie sich mit den Techniken der Vorverarbeitung von Bildern vertraut, um eine gute Leistung zu erzielen. Machen Sie sich mit Transfer Learning vertraut, um die von den größten Technologieunternehmen veröffentlichten CNN zu nutzen und sie auf Ihre eigenen Daten anzuwenden. Erleben Sie praktische Anwendungen mit Objekterkennungsprojekten (YOLO) und Gesichtserkennungsprojekten (OpenCV).

Verstehen natürlicher Sprache

Setzen Sie einen Meilenstein in der automatischen Erfassung natürlicher Sprache, indem Sie auf Architekturen des Deep Learning zurückgreifen. Lernen Sie, wie man mit sequentiellen Informationen umgeht, und verbessern Sie Ihre Leistung, indem Sie mit Hilfe von LSTM- und GRU-Architekturen die Langzeitdynamik erhöhen. Machen Sie sich mit dem Stand der Technik vertraut, indem Sie die Aufmerksamkeitsmechanismen und Transformatoren, insbesondere für die maschinelle Übersetzung und die Generierung natürlicher Sprache, kennenlernen und sich mit den besten Modellen (GPT-3, BERT, RoBERTa, Switch-C) vertraut machen.

Tiefe generative Modelle

Entdecken Sie die variablen Auto-Codierer (VAE) und die genetischen Antagonisten (GAN), die als die interessanteste Entwicklung der letzten sechs Jahre im Bereich des maschinellen Lernens gelten. Sie wurden durch die Deep Fakes in den sozialen Netzwerken populär. Sie lernen, sie zu konstruieren und in einem Projekt zur Generierung von Gesichtern in die Praxis umzusetzen.

Setzen Sie Ihr gesamtes erworbenes Wissen in einem allein oder in der Gruppe zu realisierenden Abschlussprojekt in die Praxis um. Dieses Projekt wird während der Ausbildung begonnen und im Wasser durchgeführt. Am Ende der sechs Ausbildungssemester haben Sie zwei Semester Zeit, um das Projekt in Eigenregie abzuschließen und von den Ergebnissen der letzten Kurse zu profitieren. Sie können an diesem Projekt sowohl aus der Ferne als auch vor Ort arbeiten, und unsere Dozenten stehen Ihnen gerne zur Verfügung, um Sie zu unterstützen. Ein privater Demotag für die Rückgabe wird für das gesamte Förderungs- und Altersheim organisiert.