Contenu de la formation
Les participants construisent une démarche d’analyse pour détecter des anomalies ou anticiper des comportements d’équipements. La formation aborde la préparation des données, la modélisation et l’interprétation des performances.
Cette session présente les concepts essentiels de l’apprentissage supervisé et les étapes d’un projet de modélisation. Les participants utilisent Python et Scikit-learn pour mettre en œuvre des premiers modèles.
Le programme explore l’usage des réseaux de neurones pour des données issues de mesures ou de séries temporelles. Il relie les choix de modélisation aux besoins de prédiction et de suivi de systèmes techniques.
Pour qui ?
- Ingénieurs maintenance
- Équipes R&D
- Data analysts techniques
- Responsables production
Comment se déroule la formation
- 1Cadrage d’un cas d’usage métier et de sa cible prédictive
- 2Diagnostic de la qualité et de la structure des données
- 3Construction de variables pertinentes pour les modèles
- 4Entraînement et comparaison d’approches avec Python
- 5Analyse des métriques et des erreurs de prédiction
- 6Mise en perspective des limites et conditions de déploiement
Les formateurs de cette formation
Questions fréquentes
La formation couvre-t-elle le deep learning ?
Oui, un module peut être consacré aux réseaux de neurones et au deep learning lorsque le niveau des participants et le temps disponible le permettent. Le contenu est alors orienté vers des cas de données techniques.
Faut-il déjà maîtriser Python ?
Pour une formation machine learning opérationnelle, des bases de Python sont préférables. Une formule d’initiation peut toutefois intégrer les rappels nécessaires avant les exercices de modélisation.
Peut-on adapter le cas pratique à la maintenance prédictive ?
Oui, les exercices peuvent être orientés vers la détection d’anomalies, la prédiction ou le suivi de dégradation. FormaGroup coordonne le besoin avec le formateur avant la session.
Dans le catalogue FormaGroup
FormaGroup organise cette formation dans votre ville ou à distance : dates, groupe ou session individuelle, attestation de formation.
S’inscrire