Formation IBM SPSS Modeler : Machine Learning Models (V18.2)

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.

Objectif opérationnel : 

Savoir utiliser IBM SPSS Modeler V18.2 pour construire, évaluer et interpréter des modèles de Machine Learning adaptés à l’analyse prédictive, sans programmation.

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

Public :

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).

Supervised models : Decision trees - CHAID

Supervised models : Decision trees - C&R Tree

Supervised models : Statistical models for continuous targets - Linear regression

Association models : Sequence detection

Supervised models : Black box models - Neural networks

Supervised models :

Unsupervised models : K-Means and Kohonen

Unsupervised models : TwoStep and Anomaly detection

Association models : Apriori