Description
Nous offrons la formation officielle IBM en français avec la préparation des certifications officielles sans frais supplémentaires.
| Code IBM: 0A018G | Catégorie / sous-catégorie: IBM SPSS Modeler / IBM SPSS Modeler |
| Modalité: En ligne et en présentiel | Durée en jours: 1 |
Type de public auquel la formation s’adresse:
& bull; Analystes d’affaires
& bull; Scientifiques des données
& bull; Les participants qui souhaitent se lancer dans la science des données
Pré requis souhaités:
& bull; Il est recommandé de bien comprendre les données de votre entreprise
Instructeurs
La grande majorité des cours IBM que nous proposons sont dispensés directement par nos ingénieurs. C’est la seule façon de garantir la meilleure qualité. Nous complétons toutes les formations avec des matériels et des laboratoires de notre propre élaboration, basés sur notre expérience au cours des déploiements, des migrations et des cours que nous avons réalisés pendant toutes ces années. Nous donnons tous nos cours en français.
Valeur ajoutée
Nos cours sont profondément orientés vers le rôle à jouer. Il n’en va pas de même pour une équipe de développeurs de maîtriser une technologie que pour les personnes chargées de déployer et de gérer l’infrastructure. C’est pourquoi, au-delà des commandements et des tâches, nous nous concentrons sur la résolution des problèmes qui se posent dans la vie quotidienne de chaque équipe. Leur fournir les connaissances, les compétences et les aptitudes requises pour chaque projet. En outre, notre documentation est basée sur la dernière version de chaque produit.
Agenda et programme des cours
1: & nbsp; Introduction à la science des données et à IBM SPSS Modeler
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez les étapes d’un projet de science des données, en utilisant la méthodologie CRISP-DM
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Créer des flux IBM SPSS Modeler
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Créer et appliquer un modèle d’apprentissage automatique
2: & nbsp; Définition des niveaux de mesure
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez le concept de «niveau de mesure sur le terrain»
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez les conséquences de niveaux de mesure incorrects
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Modifier le niveau de mesure d’un champ
3: & nbsp; Explorer les données
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Auditer les données
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Vérifiez les valeurs non valides
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Prendre des mesures pour les valeurs non valides
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Imputer les valeurs manquantes
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Remplacer les valeurs aberrantes et extrêmes
4: & nbsp; Utilisation de la préparation automatisée des données
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Exclure automatiquement les champs de faible qualité
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Remplacer automatiquement les valeurs manquantes
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Remplacer automatiquement les valeurs aberrantes et extrêmes
5: & nbsp; Partitionnement des données
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez la justification du partitionnement des données
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Partitionnez les données dans un ensemble d’apprentissage et un ensemble de test
6: & nbsp; Sélection de prédicteurs
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Sélectionnez automatiquement des prédicteurs (fonctionnalités) importants pour prédire une cible
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez les limites de la sélection automatique des fonctionnalités
7: & nbsp; Utilisation de la modélisation automatisée
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Trouvez le meilleur modèle pour les cibles catégorielles
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Trouvez le meilleur modèle pour les cibles continues
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Expliquez ce qu’est un modèle d’ensemble
8: & nbsp; Évaluation des modèles
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Évaluer des modèles pour des cibles catégorielles
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Évaluer des modèles pour des cibles continues
9: & nbsp; Déploiement de modèles
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Énumérez deux façons de déployer des modèles
& nbsp; & nbsp; & nbsp; & bull; & nbsp; Exporter les données notées
Vous avez besoin d’adapter ce programme à vos besoins? D’autres cours vous intéressent? Consultez-nous sans engagement.
Emplacements d’enseignement présentiels
- France: Marseille, Paris, Lyon, Bourdeaux
- Belgique: Bruxelles, Gand et Anvers
- Quebec: Montreal
- Senegal: Dakar
- Maroc: Rabat, Marrakech, Casablanca
- Algérie : Alger
- Luxembourg: Luxembourg
- Suisse: Géneve
- Lyban: Beyrouth
- Guinée: Conakry
- Tunisie: Tunis
