Formation de 2 jours pour découvrir les bases du Machine Learning supervisé avec R : régression, classification, arbres de décision et forêts aléatoires.

Mots clés

Machine Learning, R, Régression, CART, Random Forest, Data Science, Formation francophone

Premiers pas en Machine Learning avec R

Découvrez les bases du Machine Learning supervisé en 2 jours.

12 h de formation · 6 participants maximum · prochaine session : 2–3 février 2027

S’inscrire à la formation

Voir le programme

Objectifs

Acquérir les bases du Machine Learning supervisé avec R pour construire, évaluer et interpréter vos premiers modèles prédictifs.

À l’issue de la formation, vous serez capable de :

• mettre en place une évaluation fiable d’un modèle : séparer les données sans fuite d’information et choisir une stratégie de validation adaptée (jeu de test, validation croisée k-fold) ;
• choisir les métriques adaptées à un problème de régression ou de classification et repérer un cas de surapprentissage ou de sous-apprentissage ;
• entraîner un Random Forest en R et évaluer sa performance ;
• mener en autonomie un mini-projet de modélisation, de la formulation du problème à l’interprétation des résultats.

Pour qui ?

Chercheur·ses, ingénieur·es d’études, analystes, biostatisticien·nes ou data scientists débutant·es : toute personne qui utilise déjà R pour analyser des données et souhaite passer à la modélisation prédictive.

Prérequis

Aucune connaissance en Machine Learning n’est nécessaire, mais vous devez déjà pratiquer R :

• être à l’aise avec les structures de base : data.frame, tibble, vecteurs ;
• savoir manipuler des données avec dplyr : filter(), select(), mutate(), group_by(), summarise() ;
• connaître les fonctions de base : summary(), str(), head(), mean() ;
• avoir déjà créé un graphique avec ggplot2 (même basique) ;
• utiliser le pipe |> ou %>% ;
• savoir utiliser RStudio (console, éditeur de scripts, environnement) ;
• avoir déjà installé et chargé des packages avec install.packages() et library() ;
• savoir sauvegarder et charger des données (CSV, RDS).

Un doute sur votre niveau ? Un questionnaire de positionnement vous est envoyé à l’inscription ; vous pouvez aussi m’écrire pour en parler avant.

Vous maîtrisez déjà la séparation train/test, la validation croisée, la régression et les arbres de décision ? Cette formation risque de vous paraître trop introductive : abonnez-vous à la newsletter pour être informé·e du lancement de Machine Learning avancé avec R, qui prend le relais.

Leur retour d’expérience

Informations pratiques

Prochaine session	2–3 février 2027
Durée	2 jours (12 h) : 1 jour ½ de formation et ½ journée de mise en pratique en autonomie
Format	En ligne sur RStudio Server, rien à installer
Pour votre équipe	Plusieurs personnes du même laboratoire ou de la même équipe ? Une session dédiée est possible, en présentiel dans vos locaux ou en ligne, sur devis. Contactez-moi
Méthodes	Alternance d’apports théoriques et d’ateliers pratiques sur des jeux de données réels, suivi individualisé
Tarif	650 €1 Doctorants : 550 €, sur justificatif, non cumulable (CGV, art. 4.1)
Financement	Laboratoires et établissements publics : devis et bon de commande, facturation après la formation. Entreprises et particuliers : virement ou carte bancaire. Pas de prise en charge OPCO ni CPF pour le moment.
Évaluation	Mini-projet en autonomie, évalué objectif par objectif
Inscription	Compléter le formulaire, jusqu’à 7 jours avant le début de la session, dans la limite des places disponibles

Pas encore prêt·e à vous inscrire ? Abonnez-vous à la newsletter pour être tenu·e au courant des prochaines sessions.

S’inscrire à la formation

Télécharger le flyer

Inclus dans la formation

• Code R complet et commenté de tous les ateliers
• Supports de cours accessibles en ligne
• 2 séances de suivi post-formation (30 min)
• Attestation de fin de formation, avec le résultat de l’évaluation de vos acquis

Vous souhaitez accéder aux supports sans suivre la formation ?

Les supports pédagogiques sont disponibles en accès autonome.

Découvrir les supports →

Programme

Jour 1 : Bases du ML & premiers modèles

• Concepts fondamentaux : overfitting, sous-ajustement, validation croisée, métriques
• Séparation des données (train/test)
• Atelier : régression logistique & régression linéaire

Jour 2 : Méthodes basées sur les arbres

• Arbres de décision (CART)
• Bagging et Random Forest
• Pratique de la validation croisée
• Mini-projet en autonomie (demi-journée)

Formation accessible aux personnes en situation de handicap : contactez la référente handicap, Thelma Panaïotis, à contact@pyranhia.eu, pour étudier ensemble les adaptations possibles. Nouvelle formation : les indicateurs de résultats seront publiés après la première session. Consultez le règlement intérieur.

Retour aux formations

S’inscrire à la formation

Notes de bas de page

1. TVA non applicable – art. 293 B du CGI