La formation est-elle certifiée Qualiopi ?

Oui, Learni est un organisme certifié Qualiopi. Cette certification garantit la qualité de nos formations et permet leur prise en charge par les OPCO et autres dispositifs de financement.

Comment financer ma formation ?

Nos formations sont éligibles aux financements OPCO. Learni vous accompagne dans les démarches de prise en charge. Un devis personnalisé est disponible sur demande.

Quels sont les prérequis pour cette formation ?

Les prérequis pour la formation Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning sont : Connaissances de base en Python et machine learning supervisé (classification/régression), pratiques courantes d'évaluation d'un modèle. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Maîtriser LightGBM : Optimisation et Exploitatio... | Learni

L'histoire de Learni

Fondée par des passionnés de l'apprentissage et de l'innovation, Learni s'est donnée pour mission de rendre la formation professionnelle accessible à tous, partout dans le monde. Notre équipe intervient dans les plus grandes métropoles telles que Paris, Lyon, Marseille, mais aussi à l'international, afin d'accompagner les talents et les organisations dans leur montée en compétences.

Configurez votre formation

Réponse sous 24hSans engagement100% gratuit

Il reste 7 places pour la prochaine session

FormatParticipantsDateCoordonnées

Quel format préférez-vous ?

Modalités, méthodes et moyens pédagogiques

La formation Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning est délivrée en présentiel ou distanciel (blended-learning, e-learning, classe virtuelle, présentiel à distance). Chez Learni, organisme de formation certifié Qualiopi, chaque parcours est conçu pour maximiser l'acquisition de compétences, quel que soit le mode de formation choisi.

Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Cette approche pédagogique garantit un apprentissage concret et directement applicable en entreprise.

Moyens pédagogiques mis en œuvre

Pour garantir la qualité de la formation Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning, Learni met à disposition les moyens pédagogiques suivants :

Ordinateurs Mac ou PC, connexion internet haut débit fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour les sessions en distanciel)
Environnements de formation installés sur les postes de travail ou accessibles en ligne
Supports de cours, exercices pratiques et ressources complémentaires
Accès post-formation aux supports et ressources pédagogiques

En cas de formation intra-entreprise sur site externe à Learni, le client s'assure et s'engage à disposer de toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques, connexion internet...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel** ratio variable selon la formation suivie

Modalités d'évaluation des acquis

L'évaluation des compétences acquises lors de la formation Maîtriser LightGBM : Optimisation et Exploitation Avancée pour le Machine Learning s'effectue à travers :

En cours de formation : études de cas, travaux pratiques et mises en situation professionnelle
En fin de formation : questionnaire d'auto-évaluation et évaluation des acquis par le formateur
Après la formation : attestation de fin de formation détaillant les compétences acquises

Accessibilité de la formation

Learni s'engage pour l'accessibilité de ses formations professionnelles. Toutes nos formations sont accessibles aux personnes en situation de handicap. Nos équipes sont à votre disposition pour adapter les modalités pédagogiques à vos besoins spécifiques. N'hésitez pas à nous contacter pour toute demande d'aménagement.

Objectifs de la formation

Comprendre le fonctionnement interne de LightGBM et ses différences avec d’autres algorithmes de boosting

Installer et paramétrer LightGBM pour différents contextes d’utilisation

Préparer efficacement les données pour LightGBM (traitement des variables catégorielles, gestion des valeurs manquantes, etc.)

Maîtriser les hyperparamètres spécifiques et techniques d’optimisation propres à LightGBM

Interpréter les résultats des modèles (feature importance, SHAP values, etc.)

Mettre en production un modèle LightGBM et assurer son suivi

Programme de la formation

Module 1Fondamentaux et Installation de LightGBM

Introduction à LightGBM : historique, positionnement par rapport à XGBoost, CatBoost, etc. Fonctionnement algorithmiques internes : Gradient Boosting, arbres à feuilles (leaf-wise). Installation sous différents OS, intégration à scikit-learn, prise en main du package Python. Différences clés et avantage en production.

Module 2Préparation Avancée des Données pour LightGBM

Encodage natif des variables catégorielles, gestion des valeurs manquantes. Prise en charge des données volumineuses. Création de datasets adaptés, split train/test et techniques de cross-validation rapides. Construction de features robustes et feature engineering spécifique à LightGBM.

Module 3Hyperparamétrage, Optimisation et Interprétation des Modèles LightGBM

Analyse détaillée des hyperparamètres principaux (num_leaves, max_depth, min_data_in_leaf, learning_rate, early stopping, etc.). Techniques de tuning automatique (GridSearch, RandomSearch, Optuna). Analyse avancée des performances : courbes ROC, AUC, RMSE, Gini, logloss, etc. Interprétation des features (feature importance, SHAP, partial dependence plots). Bonnes pratiques pour la mise en production (format fichiers, suivi de la dérive, monitoring). Étude de cas pratique sur données réelles.