Formation Analyse prédictive

AUTO-APPRENTISSAGE PAR LA MACHINE 

Ce cours vous aidera à améliorer vos compétences en analyse de données avec des exemples concrets pour vous apprendre à étudier et à décrire les relations entre les variables. Vous découvrirez comment utiliser des techniques d'auto-apprentissage par la machine supervisées telles que CART® pour analyser les tendances observées dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prévisions sur l'avenir. 

Utilisez des outils d'auto-apprentissage par la machine non supervisés tels que la mise en cluster pour détecter des partitions naturelles dans les données et regrouper les observations ou les variables en ensembles homogènes. Réduisez également la dimensionnalité des données en transformant les données d'origine en un ensemble de variables sans corrélation.

 Les thèmes abordés sont les suivant:

• Analyse discriminante
• Validation des ensembles de tests
• Validation sur k partitions
• Classification CART®
• Corrélation
• Régression CART®
• Analyse hiérarchique

Apprentissage préalable: Principes de base de l'analyse, Modélisation et prévision de la régression 

AUTO-APPRENTISSAGE PAR LA MACHINE AVANCÉ

Faites passer vos analyses au niveau supérieur en analysant des données provenant de problèmes concrets afin d’explorer et de décrire les relations entre les variables. Les arbres CART fournissent une structure simple pour interpréter les relations complexes. Cependant, leur capacité prédictive peut souvent être améliorée en utilisant un modèle plus puissant, qui crée de nombreux modèles simples (ou arbres) et les combine en un modèle final. Apprenez à utiliser des techniques de modélisation avancées telles que MARS^®, TreeNet^® et Random Forests^® pour analyser les modèles trouvés dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prédictions pour l'avenir. Remarque : Un abonnement au module complémentaire d'analyse prédictive est requis pour ce cours.

Les thèmes abordés sont les suivants:

• Validation
• Classification CART^® 
• Classification TreeNet^® 
• Classification Random Forests^® 
• Corrélation
• Régression MARS^® 
• Régression CART^® 
• Régression TreeNet^® 
• Régression Random Forests^® 
• Découvrir les prédicteurs clés
• Modélisation de l’auto-apprentissage par la machine automatisé

Apprentissage préalable:  Principes de base de l’analyse, Modélisation et prévision de la régression, Auto-apprentissage par la machine