Ce que vous devez savoir avant
de commencer

Débute 4 July 2025 10:44

Se termine 4 July 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Practicum de science des données de bout en bout avec Knime

Concepts et techniques en science des données appliquées avec Knime et exemples pratiques
via Udemy

4123 Cours


9 hours 13 minutes

Mise à niveau optionnelle disponible

Not Specified

Progressez à votre rythme

Paid Course

Mise à niveau optionnelle disponible

Aperçu

Le cours commence par une approche descendante des projets de science des données. La première étape consiste à couvrir les techniques de gestion de projet en science des données et nous suivons la méthodologie CRISP-DM avec les 6 étapes ci-dessous :

Programme

  • **Introduction aux Projets de Science des Données**
  • Aperçu de la Science des Données
    Importance de la Gestion de Projet dans la Science des Données
    Introduction à la Méthodologie CRISP-DM
  • **Compréhension du Métier**
  • Définir les Objectifs du Projet
    Évaluer la Faisabilité du Projet
    Identifier les Principaux Parties Prenantes
    Traduire les Objectifs de l'Entreprise en Objectifs de Science des Données
  • **Compréhension des Données**
  • Techniques de Collecte de Données
    Exploration et Profilage des Données dans Knime
    Identifier les Problèmes de Qualité des Données
    Visualisation Initiale des Données
  • **Préparation des Données**
  • Nettoyage et Prétraitement des Données dans Knime
    Ingénierie des Caractéristiques
    Techniques de Transformation des Données
    Gestion des Données Manquantes et des Valeurs Aberrantes
  • **Modélisation**
  • Choisir les Bonnes Techniques de Modélisation
    Construire et Tester des Modèles dans Knime
    Réglage des Hyperparamètres
    Stratégies de Validation Croisée
  • **Évaluation**
  • Indicateurs de Performance du Modèle
    Validation et Évaluation des Résultats des Modèles
    Alignement avec les Objectifs Commerciaux
    Interprétation des Résultats pour les Parties Prenantes
  • **Déploiement**
  • Stratégies de Déploiement des Modèles dans Knime
    Surveillance et Maintenance des Modèles
    Création d'un Flux de Déploiement dans Knime
  • **Application de Cas d'Étude**
  • Application du CRISP-DM à un Scénario Réel
    Travail de Projet en Équipe dans Knime
    Présentation des Résultats et Recommandations
  • **Conclusion et Clôture du Cours**
  • Leçons Tirées de la Pratique
    Conseils pour un Apprentissage Continu en Science des Données
    Ressources pour Aller Plus Loin en Knime et en Science des Données

Enseigné par

Prof. Dr. Şadi Evren Şeker


Sujets

Science des données