Acquérez des bases pratiques en apprentissage profond avec R, en passant de la préparation des données aux tests et aux prédictions à l'aide de réseaux neuronaux. Conçu pour les débutants en apprentissage automatique et ceux qui souhaitent s'initier à l'apprentissage profond, ce cours vous montre comment organiser des tableaux de données, configurer des répertoires de travail, attribuer des variables, utiliser la syntaxe essentielle de R, et appliquer des statistiques descriptives et la corrélation de Spearman pour analyser les relations entre les données.

Vous créerez des graphiques linéaires et des nuages de points pour identifier des tendances et interpréter des ensembles de données complexes, puis vous utiliserez la régression linéaire pour estimer et expliquer les relations entre les variables. Une fois ces bases prédictives acquises, vous préparerez des ensembles de données financières et multivariables pour l’entraînement de réseaux neuronaux, exécuterez du code de réseaux neuronaux, analyserez les couches cachées et appliquerez la syntaxe des perceptrons multicouches (MLP) dans R. À la fin de la formation, vous serez capable de concevoir, d’exécuter, de tester et d’évaluer des réseaux neuronaux, de générer des résultats de modèles et de prédire les résultats pour des données non observées. Ce qui distingue ce cours, c’est sa combinaison structurée d’analyse statistique, de visualisation de données, de modélisation par régression et de développement pratique de réseaux neuronaux sous R. Inscrivez-vous pour acquérir à la fois le flux de travail technique et l’esprit critique nécessaires à l’interprétation des résultats des modèles dans le cadre de tâches prédictives concrètes.