Formation complète sur RapidMiner pour un Data Scientist
What you'll learn
- Savoir faire le prétraitement des données avec RapidMiner
- Savoir faire des modèles basés sur les algorithmes de machine learning avec RapidMiner
- Savoir faire des modèles basés sur les algorithmes de deep learning avec RapidMiner
- Savoir les notions importantes du machine learning
- Savoir les notions importantes du deep learning
- Savoir les notions importantes du data mining
- Savoir developper efficaement un modèle d'apprentissage automatique
- Detecter les fraudes bancaires avec apprentissage automatique
Requirements
- Pas de prérequis pour ce cours, il est bien expliqué pour être compréhensible par les débutants en Informatique
- Il vous faut seulement un ordinateur pour commencer
Description
Bienvenue dans ce cours sur RapidMiner pour la Data Science ! Si vous êtes intéressé par la façon dont on peut utiliser RapidMiner pour mener à bien des analyses de données rigoureuses et devenir un bon Data Scientist, alors c'est le cours qu'il vous faut !
Pourquoi apprendre RapidMiner?
RapidMiner est l'un des meilleurs outils de Data Science en 2021. Vous n'avez pas besoin de savoir coder pour faire de la Data Science. De plus, cet outil vous permet de gagner votre job de rêve car il est le plus utilisé par les compagnies de Data Science et d'Intelligence Artificielle. Aussi, apprendre RapidMiner est l'un des moyens les plus rapides d'améliorer considérablement vos plans de carrière que vous soyez Data Scientist, ou Data Analyst.
Ce cours vous guidera à travers tout ce que vous devez savoir pour utiliser RapidMiner pour la Data Science ! Nous commencerons par apprendre le fonctionnement de RapidMiner et comment faire le prétraitement des données, puis nous nous pencherons de façon pratique sur les différents algorithmes de machine learning et Data Mining importants en Data Science. Enfin, nous terminerons sur comment faire de façon pratique le deep learning.
Essentiellement, ce cours est structuré comme suit :
Section 1: Les bases importantes et la présentation de la formation
Présentation de la formation
Les bases sur le machine learning
Les bases sur le Data Mining
Section 2: Installations et prétraitement des données
Installations et présentation de RapidMiner
Introduction sur le prétraitement des données
Analyse statistique des données et gestion des valeurs manquantes
Sélection des attributs et la définition du label
Analyse en composantes principales(ACP)
Section 3: Data Mining
Introduction au Data Mining
Les règles d'associations
Les arbres de décision
Section 4: Apprentissage supervisé
Introduction à l'apprentissage supervisé
Régression Logistique
Machine à vecteurs de support
Classification naïve bayésienne
Les Réseaux de neurones
Section 5: Apprentissage non supervisé
Clustering avec K-means
Section 5: Deep Learning
Deep Learning
Who this course is for:
- Les développeurs intéressés par la Science des Données
- Les débutants en Data Science
- Les débutants en machine learning
- Les débutants en prétraitement des données
- Les personnes intéressées par l'analyse des données
- Les débutants en Informatique qui veulent maîtriser l'analyse des données
- Les debutants en intelligence d'affaire
- Les débutants en analyse d'affaire
Instructor
![Jésutin Jonas Avoce](data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 64 64"%3E%3C/svg%3E){kind=avatar}
- 4.5 Instructor Rating
- 9 Reviews
- 957 Students
- 2 Courses
Je suis Jésutin Jonas, et je vis au Canada . Curieux et big passionné des technologies d’informatiques et plus particulièrement de la science des données. Actuellement, je suis Assistant Professeur à l'Université du Québec en Outaouais. J’aime partager plus efficacement mes expériences et donc permettre à ceux qui ont soif de connaissance et souhaiteraient découvrir de nouvelles choses en Data Science et Machine Learning de bien approfondir leurs compétences.