Start a conversation ↗

Description

Machine learning : situer les méthodes, évaluer les modèles et cadrer un projet

Un état de l'art accessible pour juger de la pertinence d'un projet d'apprentissage automatique

  • 0,5 jours — 3,5 h
  • Présentiel ou à distance
  • Fondamental
  • Jusqu’à 6 participants

Les entités publiques reçoivent régulièrement des propositions d'outils prédictifs sans toujours disposer des repères nécessaires pour les apprécier. Derrière le terme machine learning se cachent des familles de méthodes très différentes, dont les besoins en données, la transparence et les risques d'erreur n'ont rien de comparable.

Deux heures pour dresser un état de l'art accessible : les grandes familles d'apprentissage, ce qu'elles exigent en données, la manière dont se mesure la qualité d'un modèle et les questions à poser avant de lancer un projet. Cette session de niveau fondamental n'exige aucune pratique du code.

Objectifs pédagogiques

  • Distinguer apprentissage supervisé et apprentissage non supervisé
  • Décrire les besoins en données d'un projet d'apprentissage
  • Interpréter les indicateurs de performance d'un modèle
  • Repérer les situations où un modèle n'est pas adapté
  • Formuler les questions à poser à un prestataire

Les points forts

Un état de l'art expliqué sans formalisme mathématique
Des exemples issus de projets conduits dans le secteur public
Une liste de questions à poser avant de retenir une solution

Programme

1Les familles de méthodes

Une carte avant le détail

  • Apprentissage supervisé et non supervisé
  • Régression, classification et segmentation
  • Réseaux de neurones et apprentissage profond
  • Place des grands modèles de langage

2Les données avant le modèle

Sans données utilisables, rien ne tient

  • Constitution du jeu de données et appréciation de sa qualité
  • Représentativité et biais d'échantillonnage
  • Séparation entre données d'apprentissage et d'évaluation
  • Contraintes liées aux données personnelles

3Juger un projet

Ce qu'il faut demander avant de s'engager

  • Mesure de la performance d'un modèle
  • Explicabilité et acceptabilité des décisions
  • Coûts de mise en production et de maintenance
  • Questions à poser au prestataire

Public concerné

Agents publics et chargés de projet ainsi que responsables de données et décideurs confrontés à des propositions d'outils prédictifs.

Prérequis

Aucun prérequis

Dates et lieux

36 dates programmées entre novembre 2026 et décembre 2027. Les places sont confirmées par ordre d’arrivée des demandes.

novembre 2026

décembre 2026

janvier 2027

février 2027

mars 2027

avril 2027

mai 2027

juin 2027

septembre 2027

octobre 2027

novembre 2027

décembre 2027

Aucune de ces dates ne vous convient ? Nous ouvrons des sessions supplémentaires sur demande, et chaque programme peut être organisé pour votre seule équipe.

Informations pratiques

Avant la formation
Questionnaire de positionnement en ligne. Vos objectifs de progrès sont transmis au formateur, qui adapte les cas pratiques à votre contexte.
Méthodes pédagogiques
Apports théoriques, ateliers et cas pratiques. Support de cours numérique et fiches méthodes fournis.
Évaluation
QCM et mises en situation. Évaluation des acquis en début et en fin de parcours, évaluation à chaud et à froid à 60 jours.
Après la formation
1 an d'accès à l'espace e-learning. Auto-évaluation des compétences acquises et point de suivi à 30 jours avec votre formateur.
Modalités d’inscription
Inscription en ligne ou sur devis.
Délai d’accès
11 jours ouvrés après confirmation de l'inscription.
Accessibilité
Nos formations sont accessibles aux personnes en situation de handicap. Contactez notre équipe accessibilité pour définir ensemble une solution adaptée : contact@mpf-academy.ae
Dates de démarrage
Entrées permanentes : en plus des sessions programmées, cette formation peut démarrer sur demande.