Vous souhaitez suivre cette formation ?

Contactez-nous ! Un expert vous recontactera dans les plus brefs délais.

Les 4 derniers articles du blog

Comment utiliser OpenAI dans la formation professionnelle en 2025 ?

Découvrez comment OpenAI transforme la formation professionnelle en 2025 avec des applications innovantes, des bénéfices pédagogiques, et des conseils d’intégration.

Allan Busi

30 juin 202412 min

Comment réussir sa reconversion professionnelle en 2025 ?

Découvrez les étapes, conseils et tendances pour une reconversion professionnelle réussie en 2025. Analyse approfondie des freins, leviers et opportunités sur un marché du travail en pleine mutation.

Allan Busi

30 juin 202412 min

Comment se mettre en conformité Qualiopi en TPE en 2025 : guide étape par étape

Découvrez comment une TPE peut obtenir la certification Qualiopi en 2025 grâce à un guide détaillé, adapté aux structures de petite taille.

Allan Busi

30 juin 202414 min

Pourquoi devenir enseignant en 2025 ? Motivations et enjeux du métier

Découvrez les raisons fondamentales qui motivent les choix de carrière vers l’enseignement en 2025, les défis actuels, les enjeux pour la société et les perspectives pour le futur du métier.

Allan Busi

30 juin 202412 min

Voir tous les articles

Objectifs de la formation

Comprendre le fonctionnement de CatBoost et ses avantages face aux autres algorithmes de boosting

Préparer et exploiter efficacement les données catégorielles pour CatBoost

Savoir paramétrer, entraîner et optimiser un modèle CatBoost sur des cas réels

Analyser finement les résultats, interpréter les modèles et mesurer leurs performances

Intégrer CatBoost dans un pipeline de production machine learning

Programme

Jour 1Fondamentaux et Mise en Route avec CatBoost

Présentation du boosting et des grands modèles (XGBoost, LightGBM, CatBoost). Installation de CatBoost, premiers pas en Python, tour d’horizon des principales fonctionnalités. Préparation et chargement des données tabulaires et catégorielles. Visualisation des jeux de données et spécificités de CatBoost pour traiter les variables qualitatives.

Jour 2Paramétrage, Entraînement et Optimisation des Modèles

Comprendre les hyperparamètres-clés : depth, iterations, learning_rate, l2_leaf_reg, etc. Utiliser Grid Search et Randomized Search pour la recherche d’hyperparamètres adaptée à CatBoost. Gestion des overfits, des échantillons de validation et de la cross-validation intégrée. Feature importance et interprétation des modèles. Étude de cas pratiques sur des jeux de données réels (classification et régression).

Jour 3CatBoost en Production et Bonnes Pratiques Avancées

Techniques d’exportation des modèles, intégration dans un pipeline industriel (API REST, batch, batch scoring, ONNX). Monitoring de la performance des modèles (drift, suivi d’indicateurs). Stratégies d’explicabilité (SHAP, analyse des variables importantes, visualisation des arbres). Gestion de datasets massifs, accélération GPU. Conseils pour un déploiement sûr et interprétable. Retour d’expérience, QCM et ateliers pratiques de synthèse.

Méthode d'évaluation

QCM en fin de formation
Études de cas pratiques évaluées quotidiennement
Projet final à soumettre en fin de session

Méthode d'apprentissage

Exposés magistraux appuyés par démonstrations Python
Ateliers pratiques quotidiens sur des datasets variés
Accès à des notebooks Jupyter commentés
Correction personnalisée des exercices

Chargement en cours...

Vous souhaitez suivre cette formation ?

Les 4 derniers articles du blog

Comment utiliser OpenAI dans la formation professionnelle en 2025 ?

Comment réussir sa reconversion professionnelle en 2025 ?

Comment se mettre en conformité Qualiopi en TPE en 2025 : guide étape par étape

Pourquoi devenir enseignant en 2025 ? Motivations et enjeux du métier

Maîtriser CatBoost : Optimisation des Modèles de Machine Learning

Objectifs de la formation

Programme

Méthode d'évaluation

Méthode d'apprentissage

Ces formations pourraient vous plaire

CatBoost : Maîtriser l’algorithme de Gradient Boosting hautes performances

Maîtriser l'Analyse et la Modélisation de Données avec Scikit-learn

Maîtriser FastAI : De l’Initiation au Déploiement en Machine Learning

Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning