{ Transfert technologique }
Un grand nombre d’avancées technologiques en apprentissage statistique sont de nature théorique. Epoch-intelligence se nourrit de ces développements pour produire de nouvelles techniques.
{ Des solutions faites maison }
Epoch-intelligence conçoit, élabore et produit ses propres solutions aux problèmes modernes de l’apprentissage statistique. Elles seront progressivement utilisées dans les expertises proposées aux entreprises ainsi que dans les formations.
Formations
Epoch-intelligence propose une offre de formations exigeante couvrant un large spectre de la science des données.
Nos formations vont du niveau débutant en R jusqu’aux dernières avancées en machine learning pour ingénieurs et chercheurs expérimentés.
en savoir plus
{ Un socle théorique solide }
La philosophie de nos formations est de transmettre une compréhension profonde des mécanismes utilisés dans les méthodes statistiques modernes afin de rendre les stagiaires autonomes dans leurs futurs projets.
{ Des applications adaptées }
Que vous soyez un industriel, un laboratoire ou une compagnie d’assurance, les applications sont adaptées au domaine spécifique de votre entreprise.
{ Venez avec vos données }
Une séance finale de 2h est prévue pour chaque formation afin que les stagiaires puissent appliquer les méthodes étudiées sur leurs propres données.
{ Une mise en pratique systématique }
Toutes les notions introduites sont mises en application via des travaux pratiques sur machine. Les stagiaires sont à la fois guidés et mis en autonomie afin de s’approprier pleinement les méthodes.
{ Une offre sur-mesure }
À votre demande, il est possible de créer une offre de formations entièrement personnalisée que nous élaborerons conjointement.
{ Nous nous rendons chez vous }
Que ce soit dans vos locaux ou ailleurs, les formateurs se déplacent pour vous former dans votre ville. Nous favorisons toujours le présentiel et le contact humain.
Calcul Haute Performance en Julia
21 heures 1600€ HT pour Julia{ Objectifs }
- Maîtriser l’environnement sur Visual Studio
- Être capable d’installer et d’utiliser des paquets
- Maîtriser la syntaxe ainsi que les outils algorithmiques principaux
- Être capable d’identifier une problématique statistique
- Être capable de charger des jeux de données
- Savoir faire des affichages dynamiques
- Comprendre les différentes types d’objets
- Savoir faire un benchmark de son code
- Faire un profil complet de son code
- Comprendre l’utilisation des macros
- Savoir écrire des fonctions polymorphes
- Maîtriser la parallélisation
- Savoir manipuler des images
- Être capable de modéliser un phénomène à interactions multiples
- Master scientifique ou équivalent
- Avoir un niveau solide en mathématiques
- Avoir de bonnes notions de programmation en R ou Python
- Formation intégralement en présentiel et intra-entreprise
- Nos formateurs sont tous des docteurs passionnés
- Alternance entre présentation théorique et pratique sur données réelles
- Pratique sur de nombreux jeux de données
- Mise à disposition d’un livret et du support de cours numérique avec ses références bibliographiques
- Les supports de cours seront distribués à la fin de la formation
- Une correction de l’ensemble des exercices sera distribuée à la fin de la formation
- Epoch-intelligence est un organisme de formation certifié Qualiopi.
- La certification qualité a été délivrée au titre de la catégorie d’action suivante : ACTIONS DE FORMATION.
- Notre certificat est visualisable ici.
Prérequis
Moyens pédagogiques et techniques
Certification Qualiopi
{ Programme }
- Installation de Julia et configurations initiales
- Utilisation d’un IDE (Visual Studio Code ou autre)
- Gestion de paquets en Julia
- Les types : abstraits, concrets, et paramétriques
- Structures de données
- Les objets et structures composites
- Les fonctions et macros
- Structures de contrôle (conditions, boucles)
- Calcul haute performance
- Profilage de code avec @time, @benchmark et @profile
- Optimisation de code
- Multithreading
- Optimisation mémoire et usage des structures immutables
- Clusters et cloud
- Machine Learning avec Julia
- Réseaux de neurones avec Flux.jl
- Optimisation non linéaire
- Problèmes de contrôle optimal
- Systèmes dynamiques
- Simulation et modélisation mathématique
- Création de paquets Julia
- Structure d’un paquet
- Création d’un paquet avec PkgTemplates.jl
- Gestion des dépendances et versions
- Publication sur le registre général Julia
- Documentation automatisée avec Documenter.jl
- Demandez la plaquette complète à formations@epoch-intelligence.fr ou via le formulaire de contact.
- Feuille de présence en début de chaque session
- Un questionnaire de positionnement sera effectué pour vérifier les prérequis
- Évaluation de l’assimilation des concepts par la résolution de problématiques ouvertes
- Nous invitons toute personne en situation de handicap à se signaler le plus tôt possible auprès d’Epoch-intelligence à l’adresse psh@epoch-intelligence.fr
- Cette formation est accessible sous 4 semaines à partir de la prise de contact par le client.
Suivi et évaluation des acquis
Accessibilité
Délai d’accès
{ Valoriser vos données }
Nous vous aidons à extraire, visualiser et exploiter les informations présentes dans vos données.
{ Veille technologique }
La recherche scientifique a son propre langage et ses propres codes. Economisez du temps : epoch-intelligence se charge d’effectuer la recherche bibliographique en amont du lancement de vos projets.
{ Évaluation des algorithmes }
Epoch-intelligence propose d’analyser et d’optimiser vos algorithmes afin de vous faire gagner en performance.
{ Prédire pour mieux décider }
Nous vous aidons dans la conception de modèles mathématiques prédictifs adaptés à vos objectifs. Ces modèles constitueront un outil d’aide à la décision opérationnelle dans votre activité.
Qui sommes-nous ?
Marine, PhD
Fondatrice
Intérêts scientifiques :
{ Intérêts scientifiques }
- Théorie des tests
- Analyse différentielle
- Génomique
Théorie des tests, Analyse différentielle, Génomique
Louis, PhD
Fondateur
Intérêts scientifiques :
{ Intérêts scientifiques }
- Théorie de l'apprentissage statistique
- Données complexes
- Grande dimension
Théorie de l’apprentissage statistique, Données complexes, Grande dimension
Contactez-nous !