À l'issue de cette formation, les apprenants seront capables d'analyser des données clients, d'évaluer des caractéristiques prédictives, de construire et d'optimiser des modèles de classification, ainsi que d'évaluer les performances de ces modèles afin de prédire avec précision les comportements d'achat par carte bancaire à l'aide de R. Les apprenants acquerront des compétences pratiques en matière de régression logistique et de modélisation par arbre de décision, tout en appliquant des techniques d'évaluation pertinentes pour le secteur.

Ce cours pratique, axé sur des projets, guide les apprenants à travers un cycle complet de modélisation prédictive à partir d’un cas d’utilisation réel d’achats par carte bancaire. En commençant par l’importation des données et l’évaluation des caractéristiques à l’aide de la valeur d’information, les apprenants progressent vers la visualisation, la préparation des données et le développement de modèles. Le cours met l’accent sur l’évaluation des modèles à l’aide de graphiques de lift, d’analyses ROC et de tests sur des données non observées, garantissant ainsi que les apprenants comprennent non seulement comment construire des modèles, mais aussi comment les valider et s’y fier. Les apprenants acquièrent également de l’expérience dans l’enregistrement et la réutilisation de modèles entraînés, une compétence essentielle pour un déploiement en situation réelle. Ce qui rend cette formation unique, c’est l’accent mis sur la prise de décision pratique, l’interprétabilité des modèles et la mise en œuvre de bout en bout dans R. En suivant cette formation, les apprenants renforcent leur esprit d’analyse et acquièrent des compétences professionnelles immédiatement exploitables dans des postes tels que ceux d’analyste de données, d’analyste marketing et d’analyste de risques.