Ce cours, une composante du programme de certification de l'Université H2O, vise à doter les participants des compétences requises pour utiliser efficacement notre outil Driverless IA de H2O. Jonathan Farinela, Ingénieur de données chez H2O, mettra l'accent sur le rôle crucial de la qualité des données dans l'obtention de résultats fructueux, tout en élucidant les principes et les procédures de préparation des données.

Le cours est divisé en deux sections principales : Dans la section initiale, les participants plongeront dans l'importance du format tabulaire dans l'apprentissage automatique classique. Ils comprendront également la distinction entre l'Apprentissage supervisé et non supervisé, ainsi que les méthodologies courantes telles que la classification et la régression. L'importance de la définition de l'unité d'analyse dans la construction des ensembles de données sera soulignée. En outre, les participants assisteront à des démonstrations de préparation des données au sein de Driverless IA, mettant en évidence sa capacité à automatiser les tâches de prétraitement et à permettre la personnalisation à l'aide du code Python.Transition vers la deuxième section, le cours se concentrera sur la préparation des données de séries chronologiques. Les aspects fondamentaux des problèmes de séries chronologiques seront explorés, y compris la nécessité d'une colonne de date et la compréhension de la nature autorégressive de ces données. Le cours abordera également les défis associés à la gestion de séries multiples dans un ensemble de données et fournira les meilleures pratiques pour améliorer la performance des modèles. Jonathan illustrera la préparation des ensembles de données et les techniques de fractionnement adaptées à l'analyse des séries chronologiques en utilisant les capacités de l'IA sans conducteur. Bon voyage d'apprentissage !