Introduction to Machine Learning Models Using IBM SPSS Modeler (V18.2) (0A079G)

 

Résumé du cours

This course provides an introduction to supervised models, unsupervised models, and association models. This is an application-oriented course and examples include predicting whether customers cancel their subscription, predicting property values, segment customers based on usage, and market basket analysis.

Moyens Pédagogiques :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Réalisation de la formation par un formateur agréé par l’éditeur
  • Formation réalisable en présentiel ou en distanciel
  • Mise à disposition de labs distants/plateforme de lab pour chacun des participants (si applicable à la formation)
  • Distribution de supports de cours officiels en langue anglaise pour chacun des participants
    • Il est nécessaire d'avoir une connaissance de l'anglais technique écrit pour la compréhension des supports de cours
Moyens d'évaluation :
  • Quiz pré-formation de vérification des connaissances (si applicable)
  • Évaluations formatives pendant la formation, à travers les travaux pratiques réalisés sur les labs à l’issue de chaque module, QCM, mises en situation…
  • Complétion par chaque participant d’un questionnaire et/ou questionnaire de positionnement en amont et à l’issue de la formation pour validation de l’acquisition des compétences

A qui s'adresse cette formation

  • Data scientists
  • Business analysts
  • Clients who want to learn about machine learning models

Pré-requis

  • Knowledge of your business requirements

Contenu

Introduction to machine learning models

  • • Taxonomy of machine learning models
  • • Identify measurement levels
  • • Taxonomy of supervised models
  • • Build and apply models in IBM SPSS Modeler

Supervised models: Decision trees - CHAID

  • • CHAID basics for categorical targets
  • • Include categorical and continuous predictors
  • • CHAID basics for continuous targets
  • • Treatment of missing values

Supervised models: Decision trees - C&R Tree

  • • C&R Tree basics for categorical targets
  • • Include categorical and continuous predictors
  • • C&R Tree basics for continuous targets
  • • Treatment of missing values

Evaluation measures for supervised models

  • • Evaluation measures for categorical targets
  • • Evaluation measures for continuous targets

Supervised models: Statistical models for continuous targets - Linear regression

  • • Linear regression basics
  • • Include categorical predictors
  • • Treatment of missing values

Supervised models: Statistical models for categorical targets - Logistic regression

  • • Logistic regression basics
  • • Include categorical predictors
  • • Treatment of missing values

Supervised models: Black box models - Neural networks

  • • Neural network basics
  • • Include categorical and continuous predictors
  • • Treatment of missing values

Supervised models: Black box models - Ensemble models

  • • Ensemble models basics
  • • Improve accuracy and generalizability by boosting and bagging
  • • Ensemble the best models

Unsupervised models: K-Means and Kohonen

  • • K-Means basics
  • • Include categorical inputs in K-Means
  • • Treatment of missing values in K-Means
  • • Kohonen networks basics
  • • Treatment of missing values in Kohonen

Unsupervised models: TwoStep and Anomaly detection

  • • TwoStep basics
  • • TwoStep assumptions
  • • Find the best segmentation model automatically
  • • Anomaly detection basics
  • • Treatment of missing values

Association models: Apriori

  • • Apriori basics
  • • Evaluation measures
  • • Treatment of missing values

Association models: Sequence detection

  • • Sequence detection basics
  • • Treatment of missing values

Preparing data for modeling

  • • Examine the quality of the data
  • • Select important predictors
  • • Balance the data

Prix & Delivery methods

Formation en salle équipée

Durée
2 jours

Prix
  • France : 1 500,– €
 

Agenda

Délai d’accès – inscription possible jusqu’à la date de formation
Instructor-led Online Training :   Cours en ligne avec instructeur

Anglais

Fuseau horaire : Heure normale d'Europe centrale (HNEC)   ±1 heure

Formation en ligne Fuseau horaire : Heure normale d'Europe centrale (HNEC)