Apprenez une base solide en analyse exploratoire des données (AED) et en apprentissage automatique avec ce cours pratique. Conçu pour les apprenants ayant des connaissances de base en Python et en ML, vous passerez étape par étape de la préparation des ensembles de données à la mise en œuvre de certains des algorithmes les plus largement utilisés dans les applications du monde réel. Votre voyage commence avec l'AED, où vous apprendrez à visualiser les données, à détecter les modèles et à gérer les valeurs manquantes ou aberrantes pour vous assurer que vos ensembles de données sont propres et fiables. Ensuite, vous vous plongerez dans la régression linéaire et maîtriserez les techniques de modélisation prédictive pour les prévisions et l'analyse des tendances. Ensuite, vous explorerez la régression logistique, en vous concentrant sur les problèmes de classification et en apprenant à évaluer vos modèles à l'aide d'outils tels que la courbe AUC-ROC. Vous appliquerez ces compétences à des études de cas pratiques, en vous familiarisant avec des cas d'utilisation réels tels que la prédiction de l'attrition des employés. Le cours présente ensuite le classificateur de Classification naïve bayésienne, en vous apprenant à appliquer des méthodes probabilistes pour des prédictions rapides et efficaces, avant de terminer avec les arbres de décision. Vous comprendrez des concepts clés tels que l'entropie et l'indice de Gini et vous pratiquerez l'ajustement des hyperparamètres pour optimiser la précision de vos modèles. À la fin de ce cours en 5 modules, vous aurez : - acquis de l'assurance dans la préparation et l'analyse d'ensembles de données avec des techniques AED ; - mis en œuvre la régression linéaire et logistique pour les tâches de prédiction et de classification ; - appliqué Naive Bayes et le classificateur décisionnel ; - appris à utiliser les méthodes probabilistes pour obtenir des prédictions rapides et efficaces ; - appris à utiliser les méthodes probabilistes pour obtenir des prédictions rapides et efficaces ; - terminé le cours avec les arbres de décision.

- Appliqué Classification naïve bayésienne et les arbres de décision pour résoudre des problèmes pratiques d'apprentissage automatique. - Construit les compétences pour prendre des projets d'apprentissage automatique plus avancés. Ce cours est idéal pour les apprenants qui ont déjà une certaine expérience avec Python et les bases de ML et qui veulent renforcer leur capacité à modéliser, analyser et résoudre des problèmes de données du monde réel. Mis à jour en mai 2025, ce cours inclut Coursera Coach : Un compagnon d'apprentissage interactif qui vous aide à tester vos connaissances, à remettre en question vos hypothèses et à approfondir votre compréhension au fur et à mesure que vous progressez.