Ce que vous apprendrez ?
- Appliquer les techniques apprises pour prédire une tendance de marché spécifique à l'aide d'un jeu de données réel.
- Comparer les performances de différents modèles de prévision et justifier le choix du meilleur modèle.
- Interpréter les résultats des modèles de régression, incluant les coefficients et les mesures d'ajustement.
- Construire et évaluer différents modèles de régression linéaire et non-linéaire pour la prévision des tendances de marché.
- Identifier et sélectionner les variables pertinentes pour la prévision des tendances de marché à l'aide de techniques de data mining.
Prérequis
- Notions fondamentales en statistiques et probabilités Bases en programmation Python et manipulation de données (Pandas, NumPy, Scikit-learn) Compréhension des concepts de Data Mining et d’analyse prédictive Familiarité avec les modèles régressifs (régression linéaire, régression polynomiale, régression Ridge/Lasso, etc.) Notions en évaluation des modèles de régression (R², RMSE, MAE, etc.) Expérience en visualisation et interprétation des tendances (Matplotlib, Seaborn, Power BI, Tableau, etc.)
Contenu de la Formation
-
Introduction au Data Mining et ses applications
-
Types de données et prétraitement des données
-
Introduction aux modèles de régression linéaire
-
Évaluation des modèles de régression
-
Régression linéaire multiple : interprétation et diagnostic
-
Régression polynomiale : modélisation de relations non-linéaires
-
Sélection de variables et régularisation
-
Application pratique : analyse de données de marché
-
Régression logistique : prédiction de variables catégorielles
-
Régression non-linéaire : splines et arbres de régression
-
Support Vector Regression (SVR)
-
Comparaison des différents modèles de régression
-
Séries temporelles et prévision
-
Analyse de clustering et segmentation de marché
-
Techniques de réduction de dimensionnalité (PCA)
-
Intégration de données hétérogènes
-
Etude de cas réel : Prévision des ventes d'un produit
-
Mise en œuvre d'un projet de prévision de marché
-
Présentation et discussion des résultats
-
Conclusion et perspectives
À TÉLÉCHARGER
À propos de l'instructeur
- 0 Instructor Avis
- 3 Avis
- 75 Cours
- Voir tous les cours.
IDRISSI
nouhaila.idrissi@openskillroom.com
Nouhaila IDRISSI est Maître de conférences en Informatique et en Intelligence Artificielle. Après avoir terminé ses études à l’ENSIAS, elle a obtenu un doctorat en informatique et en apprentissage profond de l’École Mohammadia d'ingénieurs (EMI). Notre formatrice dispose de compétences pluridisciplinaires et complémentaires en IA, Big Data, Machine Learning, Deep Learning, NLP, Data Warehousing, BI et Cloud computing. Parallèlement à ses activités académiques, Dr IDRISSI est une collaboratrice active dans le milieu industriel, contribuant à combler le fossé entre la recherche académique et les applications du monde réel.
Retour des Apprenants
Avis
Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici
Caractéristiques du cours
- Durée 6-12 hour
- Language Français
- Niveau de compétence. Débutant
- CertificateNon
- Nombre maximum d'inscrits
- Type de formation
Cours connexes
Plus de cours par IDRISSI
Devenir enseignant, Partagez vos connaissances
Rejoignez OpenKampus, la plateforme de formations synchrones qui valorise votre expertise.