Contenu du programme
Compréhension des données
Prédictions par l'apprentissage supervisé/classification des données
Prise de décision par l'analyse des données
Inférence causale avec le ML
DATE DE DÉBUT
DURÉE
HEURES DE FORMATION
PRIX
Plus vous inscrivez de membres de votre équipe dans votre entreprise, plus vous pouvez obtenir d'avantages. En fonction du nombre de membres inscrits à nos cours, vous pouvez obtenir les avantages suivants :
Propulsez votre entreprise avec les stratégies et les outils du machine learning.
Automatisez les décisions et la compréhension des données pour éviter les risques.
Maîtrisez la prise de décision fiable dans votre organisation grâce à des conclusions prédictives.
Compréhension des données
Prédictions par l'apprentissage supervisé/classification des données
Prise de décision par l'analyse des données
Inférence causale avec le ML
Tous les participants qui terminent avec succès le programme auquel ils sont inscrits recevront un certificat de réussite (Certificate of Completion) délivré par le MIT Professional Education, ainsi que des Unités d'Éducation Continue (CEU)*.
Pour obtenir des CEU, il est nécessaire de compléter la confirmation d'accréditation, disponible à la fin du cours. Les CEU sont calculés pour chaque cours sur la base du nombre d'heures d'apprentissage.
*Une Unité d'Éducation Continue ou CEU (Continuous Education Credit) équivaut à 10 heures d'apprentissage continu et indique le volume horaire que les participants ont consacré à un programme de développement professionnel n'étant pas sujet à des crédits ou à un diplôme.
Pour savoir si les CEU peuvent ou non être appliqués à une certification professionnelle, aux conditions d'obtention d'un certificat ou à d'autres heures d'apprentissage ou de formation continue obligatoires, veuillez directement consulter votre service de formation ou votre organisme émetteur.
participants à nos programmes
nationalités parmi nos alumni
jugent cette expérience comme exceptionnelle
Module 1: Introduction au machine learning
Nous introduirons des concepts de base tels que ceux de la boîte noire, des données multidimensionnelles, de la prédiction et du clustering. Ces derniers nous permettront de nous familiariser avec l'objet de l'étude.
Module 2: Comprendre les données
Nous continuerons avec les principales caractéristiques des ensembles de données et identifierons des outils statistiques ainsi que des méthodes de visualisation efficaces pour extraire des informations à partir des données.
Module 3: La régression
Dans ce module, nous aborderons les techniques de prédiction pour la première fois, et nous découvrirons ce que sont les régressions linéaires ainsi que leurs limites. Nous développerons des compétences complexes qui nous permettront de surmonter les obstacles qui se présentent.
Module 4: La classification
Il s'agit du second module consacré à la prédiction. Nous apprendrons à créer des modèles de classification et pour ce faire, nous étudierons quatre méthodes afin de pouvoir choisir le modèle le plus approprié à chaque cas.
Module 5: Les réseaux neuronaux
Il s'agit du dernier module consacré à la prédiction. Nous étudierons le deep learning et son développement à travers l'histoire, ainsi que les techniques et les outils permettant d'entraîner les réseaux neuronaux et les applications concrètes.
Module 6: Les bases de la prise de décision
Bienvenue dans ce premier module consacré à la prise de décision. Nous analyserons différents cadres et modèles qui peuvent être appliqués au moment de prendre des décisions et qui nous permettront de faire le choix qui s'applique le mieux à différents environnements.
Module 7: Les applications de la prise de décision
Il s'agit du second module consacré à la prise de décision. Nous connaissons déjà les concepts et les modèles, et nous allons maintenant poursuivre avec les processus du domaine de la finance comme référence. Nous apprendrons à faire des recommandations aux clients pour stimuler leurs entreprises.
Module 8: L'inférence causale
Pour conclure sur ce cours de machine learning, nous réaliserons des expériences qui nous permettront d'analyser et de comprendre la relation de cause à effet dans les séquences de données, afin de pouvoir faire des prédictions de séries chronologiques.
J'ai compris comment améliorer les décisions fondées sur les données et des applications de scénarios réels. Les concepts sont essentiels savoir poser les bonnes questions, afin de prendre les meilleures décisions dans divers secteurs grâce aux connaissances des alumni. Je suis devenu plus compétent dans la gestion des données, la communication et la présentation des résultats. Je recommande ce cours à toute personne souhaitant se familiariser avec les dernières utilisations de la recherche et les applications commerciales du ML pour améliorer la prise de décision humaine.
Sonsoles Catalá - Digital Marketing & Communications Specialist, Grupo Municipal Popular.
