CentraleSupélec
Description du partenaire
CentraleSupélec, Établissement Public à caractère scientifique, culturel et professionnel, est née du rapprochement de l’Ecole Centrale Paris et de Supélec. Depuis 2009, les deux écoles n’ont cessé de renforcer leurs partenariats et collaborations dans l’objectif de couvrir la totalité de leurs activités (formation initiale, recherche et formation continue) et d’affirmer les valeurs partagées d’excellence, d’innovation, d’entreprenariat, d’ouverture internationale et de leadership. Aujourd’hui, CentraleSupélec se compose de 4 campus en France. Ecole de l’international, CentraleSupélec compte des implantations en Chine, en Inde et prochainement au Maroc. CentraleSupélec, au sein de l’Université Paris-Saclay, a l’ambition de devenir un pôle de référence dans le domaine des sciences de l’ingénierie et des systèmes et une École leader dans l’enseignement supérieur et la recherche, classée parmi les meilleures institutions mondiales.
Liste des parcours
Cours
-
Maîtrisez les bases de données NoSQL
Longtemps, les bases de données relationnelles ont régné en maîtres sur le stockage de données structurées... Cette époque est désormais révolue, et une foule de solutions s'attaquent aux différents problèmes liés à l'explosion des données massives. Vive le NoSQL !
Maîtrisez les bases de données NoSQLVoir le cours -
Réalisez des calculs distribués sur des données massives
Dans ce cours, vous apprendrez à réaliser des analyses de données massives sur des centaines de machines dans le cloud grâce à Hadoop MapReduce, Spark et Amazon Web Services.
Réalisez des calculs distribués sur des données massivesVoir le cours -
Explorez vos données avec des algorithmes non supervisés
Comment faire parler vos données sans les étiqueter ? Apprenez à mettre en œuvre le clustering (k-means, DBSCAN, clustering hiérarchique) et la réduction dimensionnelle (ACP, MDS, t-SNE).
Explorez vos données avec des algorithmes non supervisésVoir le cours -
Entraînez un modèle prédictif linéaire
Découvrez les algorithmes d’apprentissage supervisés. Appliquez une régression linéaire ou logistique et appréhendez les méthodes à large marge (SVM).
Entraînez un modèle prédictif linéaireVoir le cours -
Evaluez les performances d'un modele de machine learning
Apprenez à évaluer un algorithme de machine learning, évitez le sur-apprentissage, et choisissez le meilleur modèle pour votre problème, à l'aide de la validation croisée et la grid-search.
Evaluez les performances d'un modele de machine learningVoir le cours -
Utilisez des modèles supervisés non linéaires
Etendons les méthodes linéaires à la modélisation de relations non linéaires entre les données, notamment à l'aide du SVM et du perceptron. Vous découvrirez aussi une famille d’algorithme très populaire… les réseaux de neurones !
Utilisez des modèles supervisés non linéairesVoir le cours -
Créez votre Data Lake
A l'ère du Big Data, comment stocker de manière fiable les quantités massives de données au format incertain que génèrent nos applications ? En créant un Data Lake !
Créez votre Data LakeVoir le cours