À l'issue de cette formation, les apprenants seront capables d'analyser des données relatives à l'expédition et à la tarification, d'évaluer les tendances en matière de stocks et de demande, d'appliquer des workflows d'apprentissage automatique et de prévoir les délais d'expédition et la demande à l'aide de modèles basés sur les données.

Cette formation offre une compréhension pratique et complète de la manière dont l'apprentissage automatique est appliqué à des problèmes concrets liés à l'expédition et à la logistique. Les apprenants commencent par explorer les stratégies de tarification des expéditions, la disponibilité des stocks et les techniques de préparation des données qui constituent la base de modèles prédictifs fiables. Le cours aborde ensuite l’analyse exploratoire des données, l’évaluation des corrélations et l’analyse des distributions afin de dégager des informations pertinentes à partir des ensembles de données d’expédition. Contrairement aux formations en apprentissage automatique axées sur la théorie, ce programme met l’accent sur la prise de décision orientée métier, en montrant comment les indicateurs d’évaluation des modèles, tels que l’erreur absolue moyenne, se traduisent directement en résultats opérationnels. Les apprenants acquièrent également une expérience pratique de la prévision de la demande, de l’ingénierie des caractéristiques, de la normalisation et de la discrétisation, ce qui leur permet d’améliorer la précision et l’interprétabilité des modèles. À l’issue de ce cours, les apprenants auront acquis des compétences pertinentes pour le secteur de l’analyse logistique, renforcé leur capacité à concevoir et à évaluer des modèles d’apprentissage automatique, et obtenu un avantage concurrentiel dans des postes liés à la chaîne d’approvisionnement et au commerce électronique axés sur les données.