Big data : Concevoir des programmes d’Analyses Prédictives – Python & R
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
Prochaine session
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
Concevoir des programmes d’Analyses Prédictives – Python & R
Apprendre à analyser des données non structurées
Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, …)
Améliorer ses méthodes et les rendre efficaces en environnement de production.
Informations session
Programme
– Comment analyser les données non-structurées
- Exposé de méthodes de Data Science et des cas d’utilisation
- Présentation d’exemples
- Analyse de sentiments
- Découverte et extraction automatique de thèmes et sujets de documents textes – text mining
– Méthodes de prédictions automatiques
- Comment prédire des catégories
- Comment extraire des tendances
- Comment regrouper les données en familles naturelles
– Comment accélérer son chiffre d’affaires avec un moteur de recommandation
- Les différentes approches possibles
- Comment les choisir ?
- Quelles sont les incidences ?
- Développer un moteur de recommandation
– Comment extraire de la valeur des transactions et des traces
- Comment se servir des tickets de caisse et des logs de parcours web
- Comment extraire des règles d’association et des paniers probables
- Quels impacts sur le Business
– Comment améliorer ses méthodes et les rendre efficaces en environnement de production
- Apprendre à construire de nouveaux prédicteurs (feature engineering)
- Apprendre à réduire la complexité de la solution (feature sélection)
- Comment réutiliser les modèles prédictifs appris
Tarifs
1 inscrit : 1350 € HT
2ème inscrit : -10%
3ème inscrit : -15%
*Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s) pour une session
CPF – Voir Appli Mon Compte Formation
IASSC – Centre de certification Leader
Certification Reconnue par l’Etat
Classe virtuelle Blended Learning
Inter-Intra entreprise
Sur mesure
