Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction

  • Définition de l'IA prédictive
  • Contexte historique et évolution de l'analytique prédictive
  • Principes fondamentaux de l'apprentissage automatique et de la découverte de connaissances

Collecte et prétraitement des données

  • Collecte des données pertinentes
  • Nettoyage et préparation des données pour l'analyse
  • Comprendre les types et les sources de données

Analyse exploratoire de données (AED)

  • Visualisation des données pour dégager des informations utiles
  • Statistiques descriptives et synthèse des données
  • Identification des motifs et des relations dans les données

Modélisation statistique

  • Bases du raisonnement statistique
  • Analyse de régression
  • Modèles de classification

Algorithmes d'apprentissage automatique pour la prédiction

  • Aperçu des algorithmes d'apprentissage supervisé
  • Arbres de décision et forêts aléatoires
  • Bases des réseaux de neurones et de l'apprentissage profond

Évaluation et sélection de modèles

  • Compréhension de l'exactitude du modèle et des métriques de performance
  • Techniques de validation croisée
  • Surapprentissage et ajustement du modèle

Applications pratiques de l'IA prédictive

  • Études de cas dans divers secteurs
  • Considérations éthiques dans la modélisation prédictive
  • Limites et défis de l'IA prédictive

Pratique guidée

  • Travail sur un jeu de données pour créer un modèle prédictif
  • Application du modèle pour effectuer des prédictions
  • Évaluation et interprétation des résultats

Pré requis

  • Une compréhension des statistiques de base
  • De l'expérience avec un langage de programmation quelconque
  • Familiarité avec la gestion des données et les tableurs
  • Aucune expérience préalable en IA ou en science des données requise

Public cible

  • Professionnels IT
  • Analystes de données
  • Personnel technique

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires