Aperçu
Les problèmes de classification sont un défi fréquent en data science. Ce cours vous habilite à comprendre et appliquer les principaux algorithmes pour prédire et améliorer la prise de décision en entreprise. Destiné à ceux qui aspirent à devenir data scientists ou se concentrent sur l'analytique et l'intelligence d'affaires, ce cours offre une immersion profonde dans les problèmes de classification, les solutions et les interprétations critiques.
Apprenez les techniques fondamentales comme la Régression Logistique, les modèles KNN et SVM, et acquérez des compétences pour implémenter ces techniques avec Excel et Python. Découvrez comment créer des boucles pour l'exécution parallèle de modèles, et plongez dans l'évaluation de modèles avec un chapitre dédié à l'interprétation des outputs utilisant des métriques et la matrice de confusion, en considérant les implications d'entreprise des faux négatifs et positifs.
Explorez des techniques avancées incluant l'importance des caractéristiques, les valeurs SHAP, et les graphiques PDP. À la fin du cours, vous serez capable de :
- Distinguer entre les techniques classiques de classification, leurs hypothèses, et leurs applications pratiques.
- Exécuter une régression logistique dans Excel et RegressIt.
- Construire des modèles de classification de base en Python en utilisant statsmodels et sklearn.
- Évaluer et interpréter la performance des modèles de classification.
Conçu pour les passionnés de données, ce cours vous introduit aux termes clés, vous permettant de vous engager dans des discussions sur la data science, d'effectuer des analyses, et de comprendre ses bénéfices pour les entreprises.
Université : Coursera
Catégories : Cours Python, Cours de Machine Learning, Cours d'Intelligence d'Affaires, Cours de Data Science, Cours d'Évaluation de Modèle, Cours de Classification, Cours de Régression Logistique, Cours de K-plus Proches Voisins
Programme
Enseigné par
Étiquettes
