Description
Nous offrons la formation officielle IBM en français avec la préparation des certifications officielles sans frais supplémentaires.
| Code IBM: 0A0V8G | 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:
Analystes IBM SPSS Modeler qui ont suivi le cours Introduction à IBM SPSS Modeler et Data Mining et qui souhaitent se familiariser avec les techniques de modélisation disponibles dans IBM SPSS Modeler pour prédire une cible continue.
Pré requis souhaités:
& nbsp; & bull; Expérience de l’utilisation d’IBM SPSS Modeler, y compris une familiarité avec l’environnement Modeler, la création de flux, la lecture de fichiers de données, l’exploration de données, la définition de l’unité d’analyse, la combinaison de jeux de données, la dérivation et la reclassification de champs et une connaissance de base de la modélisation.
& bull; Il est recommandé de terminer préalablement l’introduction à IBM SPSS Modeler et Data Science (v18.1.1).
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: Introduction à la prédiction de cibles continues
& bull; Énumérez trois objectifs de modélisation
& bull; Énumérez deux questions commerciales qui impliquent de prédire des cibles continues
& bull; Expliquer le concept de niveau de mesure sur le terrain et ses implications pour le choix d’une technique de modélisation
& bull; Énumérez trois types de modèles pour prédire des cibles continues
& bull; Déterminer le modèle de classification à utiliser
2: Construire des arbres de décision de manière interactive
& bull; Expliquez comment CHAID fait pousser un arbre
& bull; Expliquez comment C & amp; R Tree fait pousser un arbre
& bull; Créez des modèles d’arborescence CHAID et C & amp; R de manière interactive
& bull; Évaluer des modèles pour des cibles continues
& bull; Utilisez le nugget de modèle pour marquer des enregistrements
3: Construire votre arbre directement
& bull; Expliquez la différence entre CHAID et CHAID exhaustif
& bull; Expliquer le renforcement et l’ensachage
& bull; Identifiez comment l’arbre C & amp; R élague les arbres de décision
& bull; Énumérez deux différences entre CHAID et C & amp; R Tree
4: Utilisation de modèles statistiques traditionnels
& bull; Expliquer les concepts clés de Linear
& bull; Personnalisez les options dans le nœud Linéaire
& bull; Expliquer les concepts clés de Cox
& bull; Personnalisez les options dans le nœud Cox
5: Utilisation de modèles d’apprentissage automatique
& bull; Expliquer les concepts clés de Neural Net
& bull; Personnalisez une option dans le nœud Neural Net
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
