Plan du cours

Introduction

  • Définition de l'IA prédictive
  • Contexte historique et évolution de l'analyse prédictive
  • Principes de base de l'apprentissage automatique et de l'exploration de données

Collecte et prétraitement des données

  • Collecte de données pertinentes
  • Nettoyage et préparation des données pour l'analyse
  • Comprendre les types et les sources de données

Exploration Data Analysis (EDA)

  • Visualiser les données pour mieux comprendre
  • Statistiques descriptives et résumé des données
  • Identifier des modèles et des relations dans les données

Modélisation statistique

  • Bases de l'inférence statistique
  • Analyse de régression
  • Modèles de classification

Machine Learning Algorithmes de prédiction

  • Aperçu des algorithmes d'apprentissage supervisé
  • Arbres de décision et forêts aléatoires
  • Réseaux neuronaux et bases de l'apprentissage profond

Évaluation et sélection des modèles

  • Comprendre la précision des modèles et les mesures de performance
  • Techniques de validation croisée
  • Surajustement et réglage des modèles

Applications pratiques de l'IA prédictive

  • Études de cas dans divers secteurs d'activité
  • Considérations éthiques dans la modélisation prédictive
  • Limites et défis de l'IA prédictive

Projet pratique

  • Travailler avec un ensemble de données pour créer un modèle prédictif
  • Appliquer le modèle pour faire des prédictions
  • Évaluer et interpréter les résultats

Résumé et prochaines étapes

Pré requis

  • Compréhension des statistiques de base
  • Expérience d'un langage de programmation
  • Familiarité avec le traitement des données et les feuilles de calcul
  • Aucune expérience préalable en IA ou en science des données n'est requise.

Public

  • Professionnels de l'informatique
  • Analystes de données
  • Personnel technique
 21 heures

Nombre de participants



Prix par participant

Nos Clients témoignent (2)

Cours Similaires

Predictive AI in DevOps: Enhancing Software Delivery

14 heures

AI-Augmented Software Engineering (AIASE)

14 heures

AI Coding Assistants: Enhancing Developer Productivity

7 heures

Introduction to Data Science and AI using Python

35 heures

AI in Digital Marketing

7 heures

Artificial Intelligence (AI) for Managers

7 heures

Artificial Intelligence (AI) for Robotics

21 heures

Introduction to Artificial Intelligence (AI)

35 heures

AI and Robotics for Nuclear - Extended

120 heures

AI and Robotics for Nuclear

80 heures

AI in business and Society & The future of AI - AI/Robotics

7 heures

Introduction to AI Trust, Risk, and Security Management (AI TRiSM)

21 heures

Introduction to Bing AI: Enhancing Search with Artificial Intelligence

14 heures

IBM Cloud Pak for Data

14 heures

Fundamentals of Intelligent Driving

21 heures

Catégories Similaires