Vous souhaitez suivre cette formation ?

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

Les 4 derniers articles du blog

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

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 devenir formateur en 2025 ? Étapes, compétences clés et perspectives de carrière

Découvrez en détail les étapes, les compétences et les qualifications requises pour devenir formateur professionnel en 2025, ainsi que les perspectives et conseils pour réussir dans la formation.

Allan Busi

30 juin 202412 min

Quelles sont les clés pour digitaliser une PME en 2025 ?

Découvrez toutes les étapes essentielles et les meilleures pratiques pour réussir la transformation digitale de votre PME en 2025 : enjeux, outils, formation, sécurité et conseils concrets.

Allan Busi

1 juil. 202411 min

Voir tous les articles

Objectifs de la formation

Découvrir le fonctionnement interne de LightGBM et ses avantages par rapport aux autres algorithmes de boosting

Savoir installer, configurer et intégrer LightGBM dans un pipeline de machine learning

Comprendre et manipuler les paramètres clés de LightGBM pour l’optimisation de la performance

Pratiquer la préparation de données adaptée à LightGBM (feature engineering, encodage, gestion des valeurs manquantes)

Maîtriser la validation croisée et la prévention de l’overfitting avec LightGBM

Évaluer et interpréter les performances des modèles (métriques, importance des variables, SHAP values)

Adapter LightGBM à des tâches de régression, classification et ranking sur cas réels

Explorer les meilleures stratégies pour le tuning des hyperparamètres

Programme

Jour 1Introduction et fondamentaux LightGBM

Genèse de LightGBM. Comparaison avec XGBoost, Catboost et Random Forests. Mécanismes internes : GBDT, histogram-based learning, gestion mémoire. Setup de l’environnement (Python, bibliothèques nécessaires, installation LightGBM). Importation des jeux de données, premières implémentations et visualisation de modèles simples.

Jour 2Feature engineering & optimisation

Préparation avancée des données (traitement des valeurs manquantes, encodage, scaling, gestion variables catégorielles). Feature selection et importance. Manipulation poussée des paramètres (max_depth, num_leaves, learning_rate, min_data_in_leaf, etc.). Stratégies de validation croisée, mesures de performance (AUC, log-loss, RMSE). Pièges à éviter.

Jour 3Hyperparameter tuning et industrialisation

Hyperparameter tuning (grid search, random search, librairies automatisées type Optuna). Interprétabilité des prédictions (feature importance, SHAP). Passage à l’échelle et intégration en environnement professionnel. Cas pratiques : classification binaire/multi-classe, régression, ranking. Benchmark des résultats et bonnes pratiques en production.

Méthode d'évaluation

Études de cas fil rouge avec retours individualisés
Exercices codés corrigés
QCM final sur l’algorithme et ses usages

Méthode d'apprentissage

Cours synchrones interactifs
Mises en situation pratiques sur jeux de données réels
Supports détaillés fournis (slides, notebooks Jupyter, ressources complémentaires)
Forum réservé pour échanges et questions

Chargement en cours...

Vous souhaitez suivre cette formation ?

Les 4 derniers articles du blog

Pourquoi devenir enseignant en 2025 ? Motivations et enjeux du métier

Comment réussir sa reconversion professionnelle en 2025 ?

Comment devenir formateur en 2025 ? Étapes, compétences clés et perspectives de carrière

Quelles sont les clés pour digitaliser une PME en 2025 ?

Maîtriser LightGBM pour l’Analyse Prédictive — Optimisez vos modèles de Machine Learning

Objectifs de la formation

Programme

Méthode d'évaluation

Méthode d'apprentissage

Ces formations pourraient vous plaire

AutoML : Maîtriser l’Automatisation du Machine Learning pour Booster vos Projets Data

Maîtriser LightGBM : Optimisez vos Modèles de Machine Learning avec l’Algorithme Gradient Boosting Haute Performance

Maîtriser LightGBM : Formation Complète au Gradient Boosting pour la Data Science

Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning