Prêt à faire évoluer votre expertise en science des données grâce aux techniques de modélisation basées sur les arbres les plus performantes ? Cette formation courte a été conçue pour aider les professionnels de l'analyse de données à réaliser des modélisations prédictives avancées à l'aide d'arbres de décision et de méthodes d'ensemble.

À l’issue de cette formation, vous maîtriserez la construction de modèles CART, la mise en œuvre de méthodes d’ensemble et l’évaluation de la faisabilité du déploiement. Vous acquerrez une expérience pratique avec scikit-learn, XGBoost et des scénarios concrets d’optimisation des performances ayant un impact direct sur les décisions métier. À l’issue de cette formation, vous serez capable de : Construire et élaguer des modèles CART avec des visualisations adaptées aux parties prenantes Évaluer la stabilité des modèles à l’aide de techniques de bootstrapping Comparer les gains de performance du bagging, du boosting et du stacking Évaluer les compromis computationnels pour un déploiement en production Ce cours est unique en son genre, car il comble le fossé entre les méthodes d’ensemble théoriques et les contraintes pratiques de déploiement, garantissant ainsi que vos modèles sont à la fois performants et opérationnellement viables. Pour réussir ce projet, vous devez posséder des connaissances en programmation Python et maîtriser les concepts de base de l’apprentissage automatique.