Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
- Définition de l'IA prédictive
- Contexte historique et évolution de l'analyse prédictive
- Principes de base de l'apprentissage automatique et de l'exploration de données
Collecte et prétraitement des données
- Collecte de données pertinentes
- Nettoyage et préparation des données pour l'analyse
- Comprendre les types et les sources de données
Exploration Data Analysis (EDA)
- Visualiser les données pour mieux comprendre
- Statistiques descriptives et résumé des données
- Identifier des modèles et des relations dans les données
Modélisation statistique
- Bases de l'inférence statistique
- Analyse de régression
- Modèles de classification
Machine Learning Algorithmes de prédiction
- Aperçu des algorithmes d'apprentissage supervisé
- Arbres de décision et forêts aléatoires
- Réseaux neuronaux et bases de l'apprentissage profond
Évaluation et sélection des modèles
- Comprendre la précision des modèles et les mesures de performance
- Techniques de validation croisée
- Surajustement et réglage des modèles
Applications pratiques de l'IA prédictive
- Études de cas dans divers secteurs d'activité
- Considérations éthiques dans la modélisation prédictive
- Limites et défis de l'IA prédictive
Projet pratique
- Travailler avec un ensemble de données pour créer un modèle prédictif
- Appliquer le modèle pour faire des prédictions
- Évaluer et interpréter les résultats
Résumé et prochaines étapes
Pré requis
- Compréhension des statistiques de base
- Expérience d'un langage de programmation
- Familiarité avec le traitement des données et les feuilles de calcul
- Aucune expérience préalable en IA ou en science des données n'est requise.
Public
- Professionnels de l'informatique
- Analystes de données
- Personnel technique
21 Heures
