Machine learning avec SPSS Modeler
Référence et durée
SPSSML
2 jours, 14 heures
Objectifs
La formation répond à plusieurs objectifs
Avoir une vision transverse des principaux algorithmes et méthodes d’analyse prédictive supervisée
Savoir mettre en œuvre les algorithmes SPSS Modeler sur un problème de classification
(apprentissage supervisé d’une cible binaire) avec beaucoup de variables explicatives candidates
Public et prérequis
Cette formation s’adresse à un public d’analystes, data miners, chargés d’études statistiques, directeurs
d’études. Des connaissances statistiques et informatiques sont préférables. Avoir suivi le cours
SPSSMODDM ou connaître l'environnement SPSS Modeler.
Programme détaillé
Revue argumentée des Algorithmes de machine learning pour apprentissage supervisé et non
supervisé
o Présentation critique des différentes solutions logiciels : Azure Machine Learning, Python, SAS
Miner, SPSS Modeler, Dataiku, …
o Les méthodes Knn, SVM, Réseaux de neurones, réseau bayésien naif, régression robuste,
boosting, random forest
Mise en pratique d’algorithmes supervisés avec SPSS Modeler
o Exercice de mise en œuvre d’un modèle de « classification » d’une cible binaire à partir d’un
grand nombre de variables
o Mise en œuvre d’au moins 3 techniques parmi KNN, ensemble, boosting, réseaux bayésiens,
réseaux de neurones
o Métriques d’Evaluation et comparaison de modèles
Lincoln, 4 rue Danjou - 92517 Boulogne Billancourt 01 46 99 36 38 - www.lincoln.fr - forma[email protected] - Organisme N°11920980292
S.A.S. au capital de 500 000 € - RC Nanterre B 379 342 306 - APE 6202 A - N° Identification T.V.A.: FR 38 379 342 309
Esprit de service, Exigence technologique
1 / 1 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !