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.

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 ses études supérieures en 2025 ? Méthodes, outils et tendances

Découvrez les clés de la réussite dans les études supérieures en 2025 : méthodes innovantes, outils numériques, soft skills et évolutions pédagogiques incontournables pour maximiser vos chances d'épanouissement.

Allan Busi

30 juin 202413 min

Comment une PME peut-elle accéder aux financements OPCO en 2025 ?

Découvrez les démarches, conseils pratiques et nouvelles tendances pour permettre à une PME de bénéficier efficacement des financements OPCO en 2025.

Allan Busi

30 juin 202414 min

Comment recruter efficacement dans une ESN en 2025 ? Stratégies innovantes et conseils pratiques

Face à la pénurie de talents IT et à la concurrence accrue, découvrez les stratégies pour optimiser le recrutement en ESN (Entreprise de Services du Numérique) en 2025.

Allan Busi

30 juin 202411 min

Voir tous les articles

Objectifs de la formation

Comprendre les principes sous-jacents de XGBoost et le boosting de gradient

Savoir configurer et mettre en œuvre des modèles XGBoost pour des données tabulaires

Apprendre à analyser l’importance des variables et interpréter les modèles XGBoost

Optimiser les hyperparamètres pour maximiser la performance (grid search, random search, Bayesian optimization)

Appliquer XGBoost à des cas réels de classification et de régression

Comprendre les bonnes pratiques pour gérer le surapprentissage et l'équilibre biais-variance

Maîtriser l'utilisation avancée de XGBoost en production (persistence de modèle, intégration dans des pipelines, gestion des données manquantes)

Programme

Jour 1Fondamentaux de XGBoost & Boosting

Présentation du boosting, histoire et philosophie de l’algorithme XGBoost, installation et prise en main sous Python (scikit-learn, DMatrix), fonctionnement interne (split finding, regularization, shrinkage). Comparatifs avec les autres algorithmes (Random Forest, LightGBM).

Jour 2Manipulation des données et application pratique (classification/régression)

Préparation et nettoyage des données pour XGBoost (feature engineering, encoding, gestion des valeurs manquantes), utilisation des API Python et scikit-learn pour le fitting et la prédiction, scoring (AUC, logloss, ROC). Démonstrations pratiques sur un jeu de données standard.

Jour 3Optimisation, interprétation & intégration avancée

Optimisation fine des hyperparamètres (Grid Search avancé, cross-validation, Bayesian optimization avec Optuna), gestion du surapprentissage, early stopping, pondération des classes, interprétation avancée des modèles (feature importance, SHAP values, visualisation des arbres), persistance et déploiement du modèle dans un workflow MLOps.

Méthode d'évaluation

QCM de validation des connaissances à la fin de chaque journée
Cas pratiques notés : réalisation d’un projet complet de type Kaggle avec rapport final
Correction individuelle par le formateur

Méthode d'apprentissage

Exposés interactifs
Démonstrations techniques sur des notebooks Jupyter
Études de cas pratiques avec datasets réels
Sessions de Q/R et support individualisé

Chargement en cours...

L’histoire de Learni

Vous souhaitez suivre cette formation ?

Les 4 derniers articles du blog

Pourquoi devenir enseignant en 2025 ? Motivations et enjeux du métier

Comment réussir ses études supérieures en 2025 ? Méthodes, outils et tendances

Comment une PME peut-elle accéder aux financements OPCO en 2025 ?

Comment recruter efficacement dans une ESN en 2025 ? Stratégies innovantes et conseils pratiques

Maîtriser XGBoost pour l’Analyse Prédictive : techniques avancées et optimisation

Objectifs de la formation

Programme

Méthode d'évaluation

Méthode d'apprentissage

Ces formations pourraient vous plaire

Maîtriser XGBoost : Algorithme de Boosting pour l’Analyse Prédictive

XGBoost : Maîtrisez l’algorithme incontournable du Machine Learning pour la Data Science

Maîtriser CatBoost : Optimisation des Modèles de Machine Learning

Maîtriser Amazon SageMaker : Développez et Déployez des Modèles Machine Learning sur le Cloud AWS