À l'issue de ce cours, les apprenants seront en mesure de mettre en œuvre des modèles de régression logistique dans SAS, de préparer des ensembles de données grâce à l'imputation des valeurs manquantes et à l'encodage catégorique, d'analyser les prédicteurs à l'aide du clustering et du screening, et d'évaluer les modèles à l'aide de matrices de confusion et de diagrammes logit. Conçu pour les scientifiques des données, les analystes et les professionnels de l'entreprise en herbe, ce cours allie rigueur statistique et démonstrations SAS pratiques. Les apprenants bénéficieront à la fois de connaissances techniques et de compétences pratiques pour résoudre des problèmes de classification du monde réel, tels que la prédiction du comportement des clients, l'évaluation des risques ou l'identification de la fraude. Contrairement aux tutoriels statistiques génériques, ce cours met l'accent sur l'ingénierie des caractéristiques, la sélection des sous-ensembles et l'implémentation spécifique à SAS pour s'assurer que les modèles sont non seulement précis, mais aussi interprétables et prêts pour l'entreprise. À travers des modules structurés, les apprenants progressent des concepts fondamentaux à l'évaluation avancée, s'assurant ainsi qu'ils peuvent construire, optimiser et valider des modèles de régression logistique en toute confiance. À la fin du cours, les participants auront maîtrisé le flux de travail de bout en bout de la régression logistique dans SAS, se positionnant ainsi pour réussir dans des rôles axés sur les données dans toutes les industries.