- Cours pratique
- IBM
- Informatique
Formation IBM SPSS Modeler : Machine Learning Models (V18.2)
- Durée
- 2 jours
- Niveau
- Fondamental
- Modalités
- Présentiel / Distanciel
Description de la formation IBM SPSS Modeler Machine Learning
Qu’est-ce que la formation IBM SPSS Modeler Machine Learning Models V18.2 ?
Cette formation permet d’apprendre à utiliser IBM SPSS Modeler V18.2 pour créer des modèles de Machine Learning sans programmation. Elle guide les participants à travers toutes les étapes de la modélisation prédictive : préparation et exploration des données, sélection des variables pertinentes, mise en œuvre des principaux algorithmes comme les arbres de décision, les régressions ou les réseaux de neurones, et interprétation des résultats pour générer des insights fiables.
Pourquoi suivre la formation IBM SPSS Modeler Machine Learning Model V18.2 ?
Suivre cette formation permet de maîtriser un outil puissant d’analyse prédictive et de data mining, reconnu dans les secteurs orientés données. Elle aide les professionnels à automatiser leurs analyses, à construire des modèles robustes et à améliorer leurs décisions métiers grâce aux fonctionnalités avancées de SPSS Modeler. C’est un atout pour les data analysts, chargés d’études, statisticiens et toute personne impliquée dans la valorisation de données.
Objectifs pédagogiques
À l'issue de cette formation IBM SPSS Modeler V18.2, vous aurez acquis les connaissances et compétences nécessaires pour :
- 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
Objectifs opérationnels
Savoir utiliser IBM SPSS Modeler V18.2 pour construire, évaluer et interpréter des modèles de Machine Learning adaptés à l’analyse prédictive, sans programmation.
Programme
Contenu du cours, module par module
9 modules
- CHAID basics for categorical targets
- Include categorical and continuous predictors
- CHAID basics for continuous targets
- Treatment of missing values
- 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
- 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
- Sequence detection basics
- Treatment of missing values
- Neural network basics
- Include categorical and continuous predictors
- Treatment of missing values
- Black box models - Ensemble models
- Ensemble models basics
- Improve accuracy and generalizability by boosting and bagging
- Ensemble the best models
- 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
- TwoStep basics
- TwoStep assumptions
- Find the best segmentation model automatically
- Anomaly detection basics
- Treatment of missing values
- Apriori basics
- Evaluation measures
- Treatment of missing values
- Preparing data for modeling
- Examine the quality of the data
- Select important predictors
- Balance the data
Programme mis à jour le 18/11/2025
Public concerné
La formation s'adresse aux :
- Data scientists
- Analystes Business
- Clients souhaitant comprendre les modèles de Machine Learning
Prérequis
Aucun prérequis n'est strictement attendu. Il peut néanmoins être utile d'avoir suivi la formation IBM SPSS Modeler Foundations (0A096G).
J’évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Faire le testFinancement
Cette formation peut être prise en charge par votre entreprise, seule ou avec l’appui de son opérateur de compétences. Nous fournissons le devis et les pièces attendues par l’OPCO.
4,7/5
3 avis
« Mon avis sur le contenu du stage : "Une formation très riche aussi bien au niveau du support de cours que des travaux pratiques." Mon avis sur le formateur : "Un excellent formateur qui a une très bonne maîtrise de l'outil avec une belle expérience lui ayant permis de comprendre très nos besoins." Mon avis sur la salle de formation : "La formation s'est déroulée dans nos locaux." Ce que j'ai le plus apprécié : "Compétences techniques du formateur ; pédagogie ; disponibilité ; Travaux pratiques" Ce que j'ai le moins apprécié : "RAS" »
NSCENPAC
Les avis figurant ci-dessus sont issus des fiches d’évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Formations liées
- Jupyter Notebook : Créer et partager des documents interactifs avec Jupyter NotebookRéf. JUPY1 jourIntermédiaireProchaine session : 11 déc.820 €
- L'essentiel de la modélisation statistiqueRéf. MSLE2 joursIntermédiaireProchaine session : 23 nov.1 590 €
- Logiciel R - L'indispensable de la Data Science avec RRéf. ARDS4 joursIntermédiaireProchaine session : 24 nov.2 490 €
- Logiciel R - Les fondamentaux de l'analyse statistique avec RRéf. ARPM2 joursIntermédiaireProchaine session : 17 déc.1 590 €