Science des données - Modèles de régression et de clustering

Ce cours commence par une discussion sur le processus de modélisation de régression et sur la manière d'améliorer le modèle. Vous apprendrez à affiner un modèle de régression avec R et Python et à étudier la validation croisée, notamment en quoi elle peut vous aider avec vos données. Ce cours vous apprendra également à utiliser les modules intégrés d'Azure ML, les paramètres de balayage et les fonctionnalités de permutation. Vous découvrirez également les étapes nécessaires à la validation croisée d'un modèle

Vous étudierez ensuite le processus de modélisation de la classification et la manière d'améliorer le modèle. Tout comme les modèles de régression, vous pouvez utiliser le module Evaluer le modèle et le module des paramètres de balayage dans la modélisation de classification. Dans ce cours, vous apprendrez les mesures permettant d'évaluer les performances d'un modèle de classification ainsi que la création d'un modèle de machine vectorielle de support et d'un modèle de forêt de décision. Vous apprendrez également que la préparation des données (collecte de données) est le processus le plus long d'un projet de science des données, qui est un processus itératif

Développez vos connaissances en science des données et en utilisation de modèles de régression, de classification et de clustering grâce à ce cours en ligne d'Alison. Pour réussir ce cours, vous devez avoir des connaissances de base en mathématiques, y compris l'algèbre linéaire, et une certaine expérience de la programmation en R ou Python. Il est également conseillé de terminer d'abord les cours « Introduction à la science des données », « Utilisation des données » et « Visualisation des données et exploration de modèles ». Vous en avez fini avec eux ? Alors commencez ce cours dès aujourd'hui !