Datamining et Machine learning avec R

0 Enrolled
15 week
  • 15 week
  • 40
  • 0
  • no
1,500.00€

Aperçu du cours

Objectif de formation : au terme de la formation, les participants seront capable d’analyser des données grâce au langage de programmation R.

Programme d'études

  • Introduction au data mining & au machine learning

    • Différence entre le Data Mining et la Data Science

    • Apprentissage statistique vs. apprentissage automatique

    • Itération et évaluation

    • Compromis biais-variance

    • Les phases d’un projet de Data Mining / Data Science

  • Machine learning supervisé : Régressions

    • Régression linéaire simple

    • Exemple de cas pratiques : expliquer et prédire des loyers en fonction des caractéristiques d’un logement et de ses commodités

    • Régression linéaire multiple

    • Exemple de cas pratiques : expliquer et prédire le niveau de concentration d’Ozone en fonction de plusieurs paramètres météorologiques ou prédire l’émission de CO2 en fonction des caractéristiques d’un véhicule automobile

    • Généralisations et non-linéarité

    • Arbres de décisions pour la régression

    • Random Forest pour la régression

    • Exemple de cas pratiques : détecter les cas de cancer de la prostate chez des patients ou détecter le départ d’un client à la concurrence

  • Machine learning supervisé : Classification

    • Régression logistique

    • Exemple de cas pratiques : expliquer et prédire la survenue du cancer du sein

    • Analyse discriminante

    • Exemple de cas pratiques : prédire le type de vin en fonction de ses caractéristiques chimiques

    • K plus proches voisins

    • Exemple de cas pratiques : Profilage des clients bancaires : comment identifier des profils à haut risque ?

    • Rafraîchissement bayésien

    • Classification naïve bayésienne

    • Exemple de cas pratiques : détecter le départ d’un client à la concurrence ou identifier des e-mails comme courriels ou spams

    • Machine à vecteurs de support

    • Exemple de cas pratiques : détecter le départ d’un client à la concurrence

    • Réseaux neuronaux

  • Sujets avancés

    • Validation croisée et techniques de rééchantillonnage

    • Bootstrap

    • Les hyper-paramètres

    • Modèles ensemblistes

    • Modèles mixtes

    • Boosting

  • Machine Learning non-supervisé

    • Regroupement K-means

    • Exemple de cas pratiques : classification automatique d’espèces de plantes ou de poissons en fonction de leurs caractéristiques physiologiques

    • Défis de l’apprentissage non supervisé et au-delà de K-means

    • Réduction multidimensionnelle

    • Réduction multidimensionnelle : Analyse en Composantes Principales

    • Exemple de cas pratiques : Typologie d’athlètes au regard de leurs performances aux jeux olympiques

    • Réduction multidimensionnelle : Analyse Factorielle des Correspondances

    • Réduction multidimensionnelle : Analyse en Correspondances Multiples

    • Exemple de cas pratiques : répartition des tâches dans un ménage ou étude sur les équipements sportifs des communes française

Instructeur

Avatar de l’utilisateur

bprigent

0.0
0 commentaire
0 Students
453 Courses

Commentaire sur la formation

0.0
0 rating
0%
0%
0%
0%
0%

Soyez le premier à commenter “Datamining et Machine learning avec R”

Main Content