JMP data visualization illustration - clades

Formation JMP®

RUBRIQUES AVANCÉES ET JMP PRO

JMP® Pro : Modélisation prédictive

Cette formation couvre les compétences requises pour développer, évaluer, régler, comparer et noter des modèles prédictifs à l'aide du logiciel JMP Pro.

Cette formation vous apprend à créer et à comprendre des modèles prédictifs à l'aide de techniques de Machine Learning telles que des modèles de régression généralisées, les k plus proches voisins, le classificateur naïf Bayes, des machines à vecteur de support, des arbres de décision et des réseaux de neurones. Vous apprendrez également à valider des modèles prédictifs à l'aide de la validation croisée, de la validation de retenue et de critères de théorie de l'information.

Durée : 4 sessions d'une demi-journée

Frais d'inscription : 400 $ US

Découvrez comment :
  • Développer, comparer et expliquer des modèles complexes.
  • Utiliser la plate-forme de partition pour la modélisation prédictive, y compris le bagging, le bootstrap forest et les arbres boostés.
  • Utiliser des réseaux de neurones pour la modélisation prédictive, y compris la validation croisée en k blocs, les réseaux de neurones multi-couches et le boost.
  • Régler les modèles prédictifs.
  • Évaluer de nouvelles données dans JMP et générer un code d'évaluation à utiliser dans d'autres logiciels.
  • Déployer des modèles prédictifs en production.

Avant de participer à cette formation, il est recommandé de suivre les formations Logiciel JMP® : Exploration de données au travers d'études de cas et JMP® : Décisions statistiques à l'aide d'une ANOVA et de la régression ou d'avoir une expérience équivalente.

Introduction à la modélisation prédictive
  • En quoi la modélisation prédictive est-elle différente ?
  • Importation des données et nettoyage.
  • Généralisation et évaluation honnête.
Vue d'ensemble des plate-formes de modélisation prédictive
    Modélisation prédictive avec la plateforme Partition
    • Partition récursive.
    • Bagging.
    • Bootstrap forest.
    • Modèles d'arbres boostés (boosted tree).
    • Réglage.
    Modélisation prédictive avec les réseaux de neurones
    • Ajustement d'un modèle de réseaux de neurones.
    • Architectures de réseaux de neurones.
    • Validation croisée en k blocs.
    • Réseaux de neurones boosté.
    • Réglage.
    Choisir et déployer des modèles prédictifs
    • Comparaisons de modèle.
    • Modèles d'ensemble.
    • Dépôt des formules.
    Dates de la formation

    Cette formation n'est pas disponible actuellement. Veuillez revenir plus tard.

    Cette formation est présenté en anglais.

    Vous ne trouvez pas la formation que vous souhaitez suivre aux dates souhaitées ? Vous souhaitez être averti la prochaine fois qu'une formation spécifique sera ajoutée au calendrier des formations publiques ?

    Demander une formation !

     

    Contacter Formation JMP