Description
Modalité :En ligne, en présentiel ou sur site
Durée :2 jours (16 heures)
Public visé :Data scientists et analystes métier qui veulent construire des modèles de machine learning avec IBM SPSS Modeler.
Prérequis souhaités :Connaître les données de votre métier. Mieux vaut maîtriser l’environnement au préalable, par exemple via fondamentaux de Modeler (0A069G).
À qui ce cours convient-il ?
- Équipes qui n’utilisent que la modélisation automatique et veulent comprendre ce qu’elle choisit et pourquoi.
- Analystes qui doivent justifier au métier le choix d’un modèle plutôt qu’un autre.
- Qui doit segmenter sans étiquette préalable et ignore quel algorithme appliquer.
Contenu du cours
- Introduction aux modèles de machine learning : taxonomie, niveaux de mesure, et comment on les construit et les applique dans SPSS Modeler
- Arbres de décision CHAID : cibles catégorielles et continues, prédicteurs mixtes et traitement des valeurs manquantes
- Arbres de décision C&R Tree : cibles catégorielles et continues, prédicteurs mixtes et valeurs manquantes
- Mesures d’évaluation des modèles supervisés, pour cibles catégorielles et continues
- Modèles statistiques pour cibles continues : régression linéaire avec prédicteurs catégoriels et valeurs manquantes
- Modèles statistiques pour cibles catégorielles : régression logistique avec prédicteurs catégoriels et valeurs manquantes
- Modèles d’association : détection de séquences
- Modèles boîte noire : réseaux de neurones avec prédicteurs catégoriels et continus
- Modèles boîte noire : ensembles, boosting, bagging et combinaison des meilleurs modèles
- Modèles non supervisés : K-Means et réseaux de Kohonen, avec entrées catégorielles et valeurs manquantes
- Modèles non supervisés : TwoStep, détection d’anomalies et recherche automatique de la meilleure segmentation
- Modèles d’association : Apriori, mesures d’évaluation et valeurs manquantes
- Préparer les données pour la modélisation : qualité, sélection des prédicteurs importants et équilibrage
Formation avec SIXE, IBM Business Partner
- Laboratoires sur IBM SPSS Modeler avec de vraies données : des flux construits, exécutés et corrigés en séance.
- Dispensé directement par des formateurs IBM Champion de l’équipe SIXE.
- Badges Credly certifiants : credly.com/organizations/sixe/badges
- Format flexible — en ligne, en présentiel ou sur site — en groupes fermés, au prix par participant, dans la langue de votre choix (ES / EN / FR).
Formateurs spécialisés en IBM SPSS
Ingénieurs et analystes de l’équipe SIXE qui travaillent avec SPSS Modeler sur des projets d’analytique. Plusieurs reconnus IBM Champion.
Questions fréquentes
L’évaluation des modèles est-elle couverte ?
Oui, et elle fait partie du programme : mesures pour cibles catégorielles et pour cibles continues. Un modèle sans mesure d’évaluation ne se défend devant personne.
Les valeurs manquantes sont-elles traitées ?
Dans chaque modèle, un par un : ce que CHAID fait d’une valeur manquante n’est pas ce qu’en fait un réseau de neurones, et cela change le résultat.
XGBoost et Random Trees sont-ils couverts ?
Ces deux-là relèvent du cours avancé, modèles avancés (0A039G). Ici : CHAID et C&R Tree, régression, réseaux de neurones, ensembles et modèles non supervisés.
Taille des groupes et langue ?
Groupes fermés de quatre à dix personnes, en espagnol, en anglais ou en français. Nous le donnons aussi à moins de quatre, mais il vaut souvent mieux attendre de compléter le groupe.
