595608_fr-FR
Page d'accueil du cours "JMP® Pro : Modélisation prédictive"
Résumé: Ce cours couvre les compétences requises pour développer, évaluer, ajuster, comparer et noter des modèles prédictifs à l'aide du logiciel JMP Pro.
Ce cours vous apprend à construire et à comprendre des modèles prédictifs à l'aide de techniques d'apprentissage automatique telles que les modèles de régression généralisés, les k-plus proches voisins, Bayes naïfs, les machines à vecteurs de support, les arbres de décision et les réseaux de neurones. Vous apprendrez également à valider des modèles prédictifs à l'aide de critères de validation croisée, de validation de retenue et de théorie de l'information.
Durée: 14 heures de contenu.
Modalités :
- en direct en ligne avec instructeur -- Ce cours est disponible périodiquement dans notre horaire des cours publics . Les cours publics sont l'occasion d'apprendre ce contenu avec un instructeur en direct , mais ils ne sont actuellement proposés qu'en anglais et parfois plus pratiques pour un public américain (car la plupart de nos instructeurs se trouvent dans les fuseaux horaires américains). Vous ne voyez pas ce que vous cherchez ?Faites le nous savoir .
- par l'intermédiaire d'un prestataire de formation tiers -- Tout cours de notre programme JMP peut être dispensé par un prestataire de formation agréé, y compris par le biais du service de formation de votre propre entreprise. Contactez votre représentant JMP pour en savoir plus.
Conditions préalables: Avant d'assister à ce cours, il est recommandé de compléter le Logiciel JMP® : une approche d'étude de cas pour l'exploration de données et JMP® : Décisions statistiques à l'aide de l'ANOVA et de la régression cours ou avoir une expérience équivalente.
Objectifs d'apprentissage:
- Développer, comparer et expliquer des modèles complexes.
- Utilisez la plate-forme de partition pour la modélisation prédictive, y compris l'ensachage, la forêt d'amorçage, les arbres boostés.
- Utilisez les réseaux de neurones pour la modélisation prédictive, y compris la validation croisée k-Fold, les réseaux de neurones multicouches et le boosting.
- Réglez les modèles prédictifs.
- Noter de nouvelles données dans JMP et générer un code de score à utiliser dans d'autres logiciels.
- Déployez des modèles prédictifs en production.
Plan de cours:
Introduction à la modélisation prédictive
- En quoi la modélisation prédictive est-elle différente ?
- Importation de données et nettoyage.
- Généralisation et évaluation honnête.
Présentation des plateformes de modélisation prédictive
Modélisation prédictive avec la plateforme de partition
- Partitionnement récursif.
- Ensachage.
- Forêt d'amorçage.
- Modèles d'arbres boostés.
- Réglage,
Modélisation prédictive avec les réseaux de neurones
- Ajustement d'un modèle de réseau de neurones.
- Architectures de réseaux de neurones.
- Validation croisée k-fold.
- Réseaux de neurones boostés.
- Réglage.
Choisir et déployer des modèles prédictifs
- Comparaisons de modèles.
- Modèles d'ensemble.
- Dépôt de formules.
Modélisation prédictive et apprentissage automatique
Comments
There are no comments yet
