Durée
2 jours
Structure de formation
Service Commun de la Formation Continue , Faculté des Sciences
Présentation
La formation présente les principales étapes de la classification supervisée, depuis la préparation des données jusqu’à l’apprentissage, l’évaluation des résultats et la mise en production d’un modèle, à partir d’exemples sur données tabulaires et textuelles. Elle s’appuie sur des outils courants en Python et intègre aussi l’usage de modèles de langage pour le traitement des textes. Elle permet ainsi d’aborder à la fois des méthodes classiques d’apprentissage automatique et des méthodes utilisées aujourd’hui pour les données textuelles.
Les + de la formation
Prochaine session de formation : Décembre 2026
Objectifs
- Comprendre la démarche d’un projet de classification supervisée, de la préparation des données au déploiement d’un modèle.
- Mettre en œuvre des pipelines reproductibles avec Scikit-Learn sur données tabulaires et textuelles.
- Comparer une approche classique de classification de textes et une première approche fondée sur un modèle de langage pré-entraîné (BERT).
Programme
14 heures de formation en présentiel
JOUR 1 : DONNÉES TABULAIRES : CONSTRUIRE UN CLASSIFIEUR ROBUSTE AVEC SCIKIT-LEARN (7H)
JOUR 2 : DONNÉES TEXTUELLES : MÉTHODES CLASSIQUES PUIS PREMIÈRE APPROCHE DES MODÈLES DE LANGAGE PRÉ-ENTRAÎNÉS (7H)
Admission
Public cible
Professionnels souhaitant acquérir une méthode de travail claire et reproductible pour développer, évaluer et comparer des modèles de classification supervisée sur des données tabulaires et textuelles.
Droits de scolarité
Frais de formation : 1 190 € TTC
Pré-requis obligatoires
- Python (bases) et utilisation de notebooks
- Manipulation simple de données (lecture de fichiers, tableaux)
- Un compte Google pour exécuter les tp sur Google Colab