Accueil myOrientation

Me connaître - Etape 1: J'identifie mes intérêts, points forts et attentes professionnelles

Professions et formations - Etape 2: J’explore le monde des professions et des formations

Qualités requises et conditions d'admission - Etape 3: Je compare mes points forts avec les qualités requises et les conditions d'admission des métiers

Stages - Etape 4: J’explore en détail les métiers qui m’intéressent le plus

Projet professionnel - Etape 5: J’évalue mes résultats et me décide pour une profession ou une formation

Apprentissage - école - Etape 6: Recherche d'une place d'apprentissage et / ou inscription à une école

Préparation - Etape 7: Je me prépare à ma formation en entreprise ou en école

Dossier de travail - Tes résultats

Veuillez patienter...

Préparation de votre dossier myOrientation.

Déconnecté

Votre session de travail est expirée. Vous allez être redirigé sur la page d'accueil. Veuillez vous connecter à nouveau pour continuer votre session de travail.
Recherche

Applied Data Science: Machine Learning

Diplôme / certificat de l’institution de formation

Ecole polytechnique fédérale de Lausanne (EPFL) > Ecole polytechnique fédérale de Lausanne (EPFL) Extension School

Ajouté à myOrientation

Catégories
Lieu de formation

A distance

Langue d'enseignement

anglais

Type de formation

Formation continue: formations longues

Modalités temporelles

A temps partiel

Thèmes de formation

Etudes et formations

Swissdoc

7.566.2.0 - 7.563.2.0

Mise à jour 23.02.2018

Description

Description de la formation

Objectif

The Applied Data Science: Machine Learning program will give the students hands-on experience in one of the hottest areas of data science. They will learn tools for predictive modeling and analytics, harnessing the power of neural networks and deep learning techniques across a variety of types of data sets.

Each of the four courses in this program will let them demonstrate their newly-acquired skills through a course project. ECTS credits will be awarded to learners who successfully complete all four courses and course projects as well as a final capstone project.

Contenu

Introduction to Data Analysis with Python

  • Getting Started
  • Exploring our First Data Set
  • The Jupyter Notebook
  • A First Look at NumPy
  • A First Look at Pandas
  • The Basics of Data Visualization
  • Probability for Data Science
  • Linear Algebra for Data science
  • Course Project

Applied Data Analysis

  • Getting the Data
  • Cleaning the Data
  • Manipulating the Data
  • Working with Textual Data
  • Working with Time-series Data
  • Databases in Python
  • Statistical Data Analysis
  • Course Project

Applied Machine Learning 1

  • Introduction to Machine Learning
  • Fitting a first model
  • Cost functions and outliers
  • Linear regressions
  • Gradient descent
  • Feature engineering
  • Regularization
  • Course Project

Applied Machine Learning 2

  • K-nearest neighbors
  • Bias-variance trade-off
  • Logistic regressions
  • Decision trees and SVMs
  • Clustering and dimensionality reduction
  • Introduction to deep learning
  • Convolutional neural networks
  • Chatbots by Swisscom
  • Course Project

Capstone Project

 

15 ECTS credits

Lien sur le plan de la formation

Admission

Conditions d’admission

This course is taught at the intermediate level. The students should have the following skills and abilities prior to registering for this course:

  • English at B2 level
  • Basic understanding of algebra, geometry, calculus (derivatives), probability and statistics
  • Familiarity with computer environments (what is a program, file system, file formats, terminal, programming language library)
  • Prior experience with any programming language

Coûts

CHF 490.- per month

Diplôme / examen

  • Diplôme / certificat de l’institution de formation

Ce diplôme correspond à une formation continue de l'EPFL s'appelant "Certificate of Open Studies (COS)"

Infos pratiques

Lieu / adresse

  • A distance

Déroulement temporel

Début des cours

February 2018

Durée de la formation

450 hours
Self-paced, online learning
Learners will move through the coursework most easily when they can commit to a minimum of 5-10 hours per week

Modalités temporelles

  • A temps partiel

Langue d’enseignement

  • anglais

Liens

orientation.ch