Dans cette formation courte et pratique, vous apprendrez à utiliser l'apprentissage supervisé pour prévoir des indicateurs clés de performance et identifier les facteurs qui influencent ces performances. Grâce à des exercices pratiques en Python, vous construirez et affinerez des modèles de régression et des modèles à gradient boosté afin de prédire des résultats tels que l'EBITDA du trimestre suivant. Vous appliquerez ensuite des techniques d’IA explicable, notamment SHAP et l’importance des caractéristiques, afin de traduire les résultats des modèles en informations métier claires et exploitables. À l’issue de cette formation, vous serez en mesure d’évaluer la précision des prévisions, d’identifier les variables qui influencent réellement les résultats et de communiquer vos conclusions dans un langage simple et adapté aux parties prenantes. Conçue pour les analystes et les professionnels des données, cette formation vous aide à mettre en lien les méthodes de science des données avec les prévisions et la prise de décision en situation réelle.