Les apprenants seront capables de préparer des données clients issues du secteur des télécommunications, d’appliquer des techniques d’ingénierie des caractéristiques et de constituer un ensemble de données structuré pour la prédiction du taux de désabonnement à l’aide de R. À l’issue de cette formation, les apprenants auront acquis des compétences pratiques en matière de codage des variables catégorielles, de mise à l’échelle des caractéristiques numériques, de sélection des paramètres optimaux pour les modèles et d’organisation des ensembles de données pour les workflows d’apprentissage automatique.

Ce cours aide les apprenants à acquérir une expérience concrète face aux défis réels de la prédiction de la désabonnement dans le secteur des télécommunications, en mettant l’accent sur les étapes de préparation des données qui ont un impact direct sur la précision du modèle. Les apprenants comprendront comment transformer des données brutes issues du secteur des télécommunications en un format prêt pour l’apprentissage automatique, appliquer la logique de prétraitement « K-Nearest Neighbors » et structurer des ensembles de données pour une évaluation impartiale des modèles. À travers des leçons pratiques et guidées, les apprenants s’exerceront à supprimer les variables non pertinentes, à créer et réduire des variables fictives, ainsi qu’à diviser les ensembles de données en sous-ensembles d’entraînement et de test. Ce qui rend ce cours unique, c’est son approche de bout en bout, axée sur la pratique, de la prédiction de la perte de clientèle à l’aide de R, avec un lien clair entre les décisions de prétraitement des données et leur impact sur les performances prédictives. Conçu pour les futurs analystes de données et les débutants en apprentissage automatique, ce cours fait le lien entre la théorie et l’analyse appliquée, permettant aux apprenants de préparer en toute confiance des ensembles de données du secteur des télécommunications pour la modélisation de la perte de clientèle dans des scénarios concrets.