Description
Nous offrons la formation officielle IBM en français avec la préparation des certifications officielles sans frais supplémentaires.
| Code IBM: 0A079G | Catégorie / sous-catégorie: IBM SPSS Modeler / IBM SPSS Modeler |
| Modalité: En ligne et en présentiel | Durée en jours: 2 |
Type de public auquel la formation s’adresse:
- Data scientists
- Analystes commerciaux
- Clients souhaitant en savoir plus sur les modèles de machine learning
- Connaissance des besoins de votre entreprise
- 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
< / ul>
Pré requis souhaités:
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
Introduction aux modèles d’apprentissage automatique
& bull; Taxonomie des modèles d’apprentissage automatique
& bull; Identifier les niveaux de mesure
& bull; Taxonomie des modèles supervisés
& bull; Créer et appliquer des modèles dans IBM SPSS Modeler
Modèles supervisés: arbres de décision – CHAID
& bull; Principes de base de CHAID pour les cibles catégorielles
& bull; Inclure des prédicteurs catégoriels et continus
& bull; Principes de base de CHAID pour les cibles continues
& bull; Traitement des valeurs manquantes
Modèles supervisés: Arbres de décision – Arbre C & amp; R
& bull; Bases de l’arborescence C & amp; R pour les cibles catégorielles
& bull; Inclure des prédicteurs catégoriels et continus
& bull; Principes de base de l’arborescence C & amp; R pour les cibles continues
& bull; Traitement des valeurs manquantes
Mesures d’évaluation des modèles supervisés
& bull; Mesures d’évaluation des cibles catégorielles
& bull; Mesures d’évaluation pour cibles continues
Modèles supervisés: Modèles statistiques pour cibles continues – Régression linéaire
& bull; Principes de base de la régression linéaire
& bull; Inclure les prédicteurs catégoriels
& bull; Traitement des valeurs manquantes
Modèles supervisés: Modèles statistiques pour cibles catégorielles – Régression logistique
& bull; Bases de la régression logistique
& bull; Inclure les prédicteurs catégoriels
& bull; Traitement des valeurs manquantes
Modèles supervisés: Modèles de boîtes noires – Réseaux de neurones
& bull; Notions de base sur les réseaux neuronaux
& bull; Inclure des prédicteurs catégoriels et continus
& bull; Traitement des valeurs manquantes
Modèles supervisés: Modèles boîte noire – Modèles d’ensemble
& bull; Bases des modèles d’ensemble
& bull; Améliorez la précision et la généralisation en augmentant et en ensachant
& bull; Ensemble des meilleurs modèles
Modèles non supervisés: K-Means et Kohonen
& bull; Principes de base de K-Means
& bull; Inclure les entrées catégorielles dans les K-Means
& bull; Traitement des valeurs manquantes dans les K-Means
& bull; Notions de base sur les réseaux Kohonen
& bull; Traitement des valeurs manquantes à Kohonen
Modèles non supervisés: Détection TwoStep et Anomaly
& bull; Principes de base de TwoStep
& bull; Hypothèses TwoStep
& bull; Trouvez automatiquement le meilleur modèle de segmentation
& bull; Principes de base de la détection des anomalies
& bull; Traitement des valeurs manquantes
Modèles d’association: Apriori
& bull; Principes de base d’Apriori
& bull; Mesures d’évaluation
& bull; Traitement des valeurs manquantes
Modèles d’association: Détection de séquence
& bull; Principes de base de la détection de séquence
& bull; Traitement des valeurs manquantes
Préparation des données pour la modélisation
& bull; Examiner la qualité des données
& bull; Sélectionnez des prédicteurs importants
& bull; Équilibrez les données
Vous avez besoin d’adapter ce programme à vos besoins? D’autres cours vous intéressent? Consultez-nous sans engagement.
