Plan du cours

    Introduction au ML L'apprentissage automatique dans le cadre de l'intelligence artificielle Types de ML Algorithmes ML Défis et utilisation potentielle du ML Surajustement et compromis biais-variance dans le ML Techniques d'apprentissage automatique Le flux de travail d'apprentissage automatique Apprentissage supervisé - Classification, régression Apprentissage non supervisé - Clustering, Détection d'anomalies Apprentissage semi-supervisé et Reinforcement Learning Prise en compte du prétraitement des données d'apprentissage automatique Préparation et transformation des données Ingénierie des fonctionnalités Mise à l'échelle des fonctionnalités Réduction de la dimensionnalité et sélection des variables Visualisation des données Analyse exploratoire Études de cas Ingénierie avancée des fonctionnalités et impact sur les résultats de la régression linéaire pour la prédiction Analyse des séries chronologiques et Prévision du volume mensuel des ventes - méthodes de base, désaisonnalisation, régression, lissage exponentiel, ARIMA, réseaux neuronaux Analyse du panier de marché et exploration des règles d'association Analyse de segmentation à l'aide de cartes de regroupement et d'auto-organisation Classification du client susceptible de faire défaut à l'aide de la régression logistique, décision arbres, xgboost, svm

 

Pré requis

Connaissance et prise de conscience des Machine Learning fondamentaux

  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Cours Similaires

Catégories Similaires