Advanced Machine Learning Models Using IBM SPSS Modeler (V18.2)

Utilisateurs expérimentés d'IBM SPSS Modeler qui souhaitent se familiariser avec les techniques avancées du logiciel.

A l'issue de la formation, les participants seront capables de :

• Utiliser les modèles avancés disponibles dans IBM SPSS Modeler
• Utiliser les modèles supervisés, notamment les machines à vecteurs de support, les arbres aléatoires et XGBoost
• Examiner les méthodes pour analyser des données textuelles, combiner des modèles individuels en un seul modèle et améliorer la puissance d'IBM SPSS Modeler en ajoutant des modèles externes, développés en Python ou R, à la palette de modélisation.

Introduction aux modèles avancés d'apprentissage automatique

• Taxonomie des modèles
• Aperçu des modèles supervisés
• Vue d'ensemble des modèles permettant de créer des regroupements naturels

Champs de groupes :  Analyse factorielle et analyse en composantes principales

• Notions de base de l'analyse factorielle
• Notions de base des composantes principales
• Hypothèses de l'analyse factorielle
• Questions clés de l'analyse factorielle - Améliorer l'interprétabilité des scores des facteurs et des composantes

Prédire les cibles avec l'analyse du plus proche voisin

• Notions de base de l'analyse du plus proche voisin
• Questions clés de l'analyse du plus proche voisin
• Évaluer l'ajustement du modèle

Explorer les modèles supervisés avancés

• Notions de base des machines à vecteurs de support

Introduction aux modèles linéaires généralisés

• Modèles linéaires généralisés
• Distributions disponibles
• Fonctions de liaison disponibles

Combiner les modèles supervisés

• Combiner les modèles avec le nœud Ensemble
• Identifier les méthodes d'ensemble pour les cibles catégorielles
• Identifier les méthodes d'ensemble pour les cibles drapeau
• Identifier les méthodes d'ensemble pour les cibles continues
• Modélisation au niveau méta

Utiliser des modèles externes d'apprentissage automatique

• Nœuds d'extension d'IBM SPSS Modeler
• Utiliser des programmes externes d'apprentissage automatique dans IBM SPSS Modeler

Analyser des données textuelles

• Text Mining et Data Science
• Applications du Text Mining
• Modélisation avec des données textuelles

• Connaissance des besoins de votre entreprise
• Requis : Formation IBM SPSS Modeler Foundations (V18.2) (0A069G/0E069G) ou connaissances équivalentes sur la façon d'importer, d'explorer et de préparer des données avec IBM SPSS Modeler v18.2, et connaissance des bases de la modélisation.
• Recommandé : Formation d'Introduction aux modèles d'apprentissage automatique à l'aide d'IBM SPSS Modeler (V18.2) (0A079G/0E079G), ou connaissances équivalentes ou expérience du produit sur les modèles d'apprentissage automatique supervisés (CHAID, C&R Tree, Regression, Random Trees, Neural Net, XGBoost), les modèles d'apprentissage automatique non supervisés (TwoStep Cluster), et les modèles d'apprentissage automatique par association tels qu'APriori.

Support de cours officiel IBM remis aux participants.