Formation premiers pas en machine learning avec R

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

Pyranhia

Mots clés

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

Premiers pas en Machine Learning avec R

Découvrez les bases du Machine Learning supervisé en 2 jours.

2 jours intensifs

6 participants max

4 modèles étudiés

1 mini-projet

Télécharger le flyer

Voir le programme

S’inscrire à la formation

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 saurez séparer correctement vos données, entraîner et évaluer un modèle de régression ou de classification, et utiliser un Random Forest.

Pour qui ?

Développeurs, data‑scientists, analystes, managers techniques, personnes en reconversion.

Prérequis

Cette formation s’adresse à des personnes ayant déjà une première expérience avec R.

Si vous maîtrisez déjà les notions abordées ici (séparation train/test, validation croisée, régression, arbres de décision), cette formation ne s’adresse pas à vous : contactez-moi pour être informé·e du lancement de la formation Machine Learning avancé avec R, qui ira plus loin.

Programmation 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 %>%.

Environnement

  • savoir utiliser RStudio (console, éditeur de scripts, environnement) ;
  • avoir installé et chargé des packages avec install.packages() et library() ;
  • savoir sauvegarder et charger des données (CSV, RDS).

Ce que vous allez maîtriser

  • concepts fondamentaux : overfitting et underfitting, séparation train/test, validation croisée, métriques d’évaluation ;
  • premiers modèles : régression linéaire et régression logistique en R ;
  • méthodes basées sur les arbres : arbres de décision (CART) et forêts aléatoires (Random Forest) avec rpart et ranger ;
  • pratique approfondie de la validation croisée pour estimer la performance d’un modèle de façon robuste.

Leur retour d’expérience

Informations pratiques

Prochaine session 12–13 octobre 2026
Format En ligne sur RStudio Server, aucune installation requise
Capacité Maximum 6 participants pour un suivi personnalisé
Durée 2 jours : 1 jour ½ de formation + ½ journée de mise en pratique
Tarif 650€ 550€ jusqu’au 15 octobre 20261
Inscription Compléter le formulaire

Vous repartez avec

  • Code R complet et commenté de tous les ateliers
  • Supports de cours accessibles en ligne
  • 2 séances de suivi post-formation (30 min)
  • Certificat de participation

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)

Retour aux formations

S’inscrire à la formation

Notes de bas de page

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