Loading...
Please wait a moment
New
Loading...
Please wait a moment
Founded by passionate advocates of learning and innovation, Learni set out to make professional training accessible to everyone, everywhere in the world. Our team works in the largest cities such as Paris, Lyon, Marseille, and internationally, to support talents and organizations in their skills development.
Which format do you prefer?
30 free minutes with a training advisor — no commitment.
Loading available slots...
Artificial Intelligence training in Mesa in September 2026 with Learni. Certified, expert trainers, eligible for employer funding. Free quote.
Allan Busi
Sep 1, 20268 min readMesa
Artificial Intelligence training in Cardiff in May 2026 with Learni. Certified, expert trainers, eligible for employer funding. Free quote.
Allan BusiMay 1, 20268 min readCardiffProfessional Training training in Memphis in October 2026 with Learni. Certified, expert trainers, eligible for employer funding. Free quote.
Allan BusiOct 1, 20268 min readMemphisExplore Learni's cutting-edge data visualization courses launching in April 2026, featuring AI-driven tools, VR simulations, and real-world projects for professionals.
Allan BusiApr 21, 202612 min readDon't let this gap widen
Sans maîtrise de l'optimisation d'hyperparamètres, vos modèles ML sous-performent de 20 à 30% en précision, rendant les prédictions peu fiables.
Les data scientists perdent en moyenne 40% de leur temps en tuning manuel inefficace, soit plus de 500 heures par projet et des milliers d'euros en ressources cloud gaspillées inutilement.
75% des échecs de projets IA sont directement liés à cette lacune, exposant l'entreprise à des pertes business estimées à 100 000 € par incident et freinant votre carrière face à des concurrents agiles.
Chaque mois sans compétences avancées amplifie ces risques, menaçant la viabilité de vos initiatives IA.
The Optimisez vos Modèles avec Optuna : Formation Complète en Optimisation d’Hyperparamètres training is delivered in-person or remotely (blended-learning, e-learning, virtual classroom, remote in-person). At Learni, a Qualiopi-certified training organization, each program is designed to maximize skills acquisition, regardless of the training mode chosen.
The trainer alternates between demonstrative, interrogative, and active methods (through practical exercises and/or real-world scenarios). This pedagogical approach ensures concrete and directly applicable learning in the workplace.
To ensure the quality of the Optimisez vos Modèles avec Optuna : Formation Complète en Optimisation d’Hyperparamètres training, Learni provides the following teaching resources:
For in-house training at a location external to Learni, the client ensures and commits to having all necessary teaching materials (IT equipment, internet connection...) for the proper conduct of the training action in accordance with the prerequisites indicated in the communicated training program.
The assessment of skills acquired during the Optimisez vos Modèles avec Optuna : Formation Complète en Optimisation d’Hyperparamètres training is carried out through:
Learni is committed to the accessibility of its professional training programs. All our training programs are accessible to people with disabilities. Our teams are available to adapt teaching methods to your specific needs. Do not hesitate to contact us for any accommodation request.
Learni training programs are available for inter-company and intra-company settings, both in-person and remote. Registration is possible up to 48 business hours before the start of training. Our programs are eligible for OPCO, Pôle emploi, and FNE-Formation funding. Contact us to discuss your training project and funding possibilities.
Présentation des enjeux de l’optimisation d’hyperparamètres dans le Machine Learning (impact sur la performance, coût computationnel, reproductibilité). Vue d’ensemble des solutions existantes (grid search, random search, algorithmes bayésiens). Introduction à Optuna : principes, architecture, installation. Prise en main de l’outil, notions de study, trial, search space.
Création d’une study Optuna, définition et gestion des espaces de recherche. Utilisation des samplers (TPE, CMA-ES, random…). Scénarios d’optimisation avec des modèles scikit-learn et Keras/TensorFlow. Manipulation de pruners pour accélérer l’optimisation. Implémentation d’une étude complète sur un dataset classique, intégration à un pipeline ML, analyse comparée (avant/après).
Visualisation interactive avec Optuna (optimization history, parameter importance, parallel coordinates plot, etc). Stockage des études (bases de données, joblib, cloud). Bonnes pratiques pour des études reproductibles. Intégration à des workflows automatisés et à des outils de MLOps. Conseil sur la sélection efficace des hyperparamètres. Projet final guidé autour de l’optimisation d’un modèle complexe en équipe.
8 participants max.
$3,630 / per person
3 days
distancielTarget audience
Data scientists, ingénieurs Machine Learning, développeurs Python souhaitant maîtriser l’optimisation d’hyperparamètres dans leurs projets IA.
Prerequisites
Maîtrise de Python, connaissances de base en Machine Learning (modèles, entraînement).
Loading...
Please wait a moment
Share in 2 clicks
Avancée
€3,150.003 journées
distanciel10 pers. max.Avancée€2,100.002 journéesdistanciel10 pers. max.Novice€5,250.005 journéesdistanciel10 pers. max.Expert€3,150.003 journéesdistanciel10 pers. max.
