Qu'est-ce que je recevrai si je souscris à cette Specializations ?

Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la spécialisation et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page Réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.

Algorithmes d'apprentissage automatique avec Python dans le domaine de l'analyse commerciale

Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

Algorithmes d'apprentissage automatique avec Python dans le domaine de l'analyse commerciale

Ce cours fait partie de Spécialisation "Analyse d'entreprise"

Instructeurs : Ronald Guymon

9 109 déjà inscrits

Inclus avec

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

41 avis

niveau Intermédiaire

Expérience recommandée

Planning flexible

2 semaines à 10 heures une semaine

Apprenez à votre propre rythme

Préparer un diplôme

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

41 avis

niveau Intermédiaire

Expérience recommandée

Planning flexible

2 semaines à 10 heures une semaine

Apprenez à votre propre rythme

Préparer un diplôme

Ce que vous apprendrez

Mettre en œuvre un cadre conceptuel d'algorithmes d'apprentissage automatique pour trouver des informations exploitables sur les problèmes de l'entreprise.
Appliquer une base conceptuelle pour interpréter les résultats de l'apprentissage automatique à partir d'algorithmes de régression, de classification et de regroupement.
Appliquer des algorithmes d'apprentissage automatique à des données d'entreprise.

Compétences que vous acquerrez

Catégorie : Apprentissage par arbre de décision
Catégorie : Analyse de l'activité
Catégorie : Apprentissage automatique appliqué
Catégorie : Analyse
Catégorie : Apprentissage automatique
Catégorie : Analyse de régression
Catégorie : Prétraitement des données
Catégorie : Analyse avancée
Catégorie : Analyse d'entreprise
Catégorie : Méthodes d'apprentissage automatique
Catégorie : Apprentissage non supervisé
Catégorie : Apprentissage supervisé
Catégorie : Algorithmes d'apprentissage automatique
Catégorie : Modélisation prédictive

Outils que vous découvrirez

Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
Catégorie : Algorithmes de classification
Catégorie : Programmation Python

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

5 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Analyse d'entreprise"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

L'un des aspects les plus passionnants de l'analytique des affaires est de trouver des modèles dans les données à l'aide d'algorithmes d'apprentissage automatique. Dans ce cours, vous acquerrez une base conceptuelle pour comprendre pourquoi les algorithmes d'apprentissage automatique sont si importants et comment les modèles résultant de ces algorithmes sont utilisés pour trouver des informations exploitables liées à des problèmes d'entreprise. Certains algorithmes sont utilisés pour prédire des résultats numériques, tandis que d'autres sont utilisés pour prédire la classification d'un résultat. D'autres algorithmes sont utilisés pour créer des groupes significatifs à partir d'un riche ensemble de données. À l'issue de ce cours, vous serez en mesure de décrire quand chaque algorithme doit être utilisé. Vous aurez également la possibilité d'utiliser Python pour exécuter ces algorithmes et communiquer les résultats.

Dans ce module, nous examinerons pourquoi l'analyse exploratoire des données peut à elle seule ne pas produire d'informations commerciales exploitables, nous évaluerons les étapes clés du flux de travail de l'apprentissage automatique et nous appliquerons des techniques de prétraitement à l'aide de scikit-learn pour préparer les données à l'analyse avec divers algorithmes.

Inclus

18 vidéos8 lectures2 devoirs1 sujet de discussion1 plugin

18 vidéosTotal 120 minutes

Introduction au cours4 minutes
À propos du professeur Kim Mendoza2 minutes
À propos du professeur Ron Guymon3 minutes
L'impact de la communauté Gies2 minutes
Module 1 Introduction3 minutes
Le besoin d'algorithmes et de modèles de données14 minutes
Introduction à l'apprentissage automatique7 minutes
Apprentissage automatique et statistiques dans les entreprises8 minutes
Introduction au flux de travail de l'Apprentissage automatique5 minutes
Introduction à l'Ensemble de Données d'Ensemble, TECA5 minutes
Choisir l'algorithme9 minutes
Tâches générales de traitement13 minutes
Prétraitement des variables catégorielles13 minutes
Prétraitement des variables numériques6 minutes
Calculer les résultats : Exemple de flux de travail de classification9 minutes
Calculer les résultats : Exemple de flux de travail de régression8 minutes
Calculer les résultats : Exemple de flux de travail de regroupement8 minutes
Module 1 Conclusion2 minutes

8 lecturesTotal 80 minutes

Syllabus10 minutes
Coach Coursera10 minutes
À propos des forums de discussion10 minutes
L'enseignement en ligne au Gies College of Business10 minutes
Mise à jour de votre profil10 minutes
Module 1 : Vue d'ensemble10 minutes
Module 1 Fichiers10 minutes
Guide d'étude du module 110 minutes

2 devoirsTotal 60 minutes

Introduction à l'Apprentissage automatique (ML) : Quiz30 minutes
Quiz d'orientation30 minutes

1 sujet de discussionTotal 10 minutes

Apprendre à connaître ses camarades de classe10 minutes

1 pluginTotal 15 minutes

Bienvenue ! Parlez-nous de vous15 minutes

Dans ce module, nous apprendrons comment la régression peut être utilisée pour la prédiction, l'exploration des relations et l'inférence dans des contextes commerciaux en appliquant scikit-learn et scipy, et nous évaluerons l'efficacité des modèles de régression à travers différentes applications.

Inclus

12 vidéos3 lectures1 devoir1 évaluation par les pairs

12 vidéosTotal 131 minutes

Module 2 Introduction6 minutes
Problème d'entreprise4 minutes
Données5 minutes
À quels problèmes la régression peut-elle répondre ?9 minutes
Modèles linéaires10 minutes
Régression linéaire simple23 minutes
Régression multiple16 minutes
Prédiction avec la régression linéaire14 minutes
Modèles non linéaires6 minutes
Arbre décisionnel Régression Intuition15 minutes
Application de régression par arbre décisionnel21 minutes
Module 2 Conclusion3 minutes

3 lecturesTotal 30 minutes

Vue d'ensemble du module 210 minutes
Module 2 Fichiers10 minutes
Guide d'étude du module 210 minutes

1 devoirTotal 30 minutes

Algorithmes de régression : Quiz30 minutes

1 évaluation par les pairsTotal 180 minutes

Algorithmes de régression : Travail évalué par les pairs180 minutes

Dans ce module, nous approfondirons notre compréhension de la manière dont les algorithmes de classification sont appliqués dans les entreprises en exécutant et en interprétant des modèles de k plus proches voisins et d'arbres décisionnels.

Inclus

12 vidéos3 lectures1 devoir

12 vidéosTotal 107 minutes

Module 3 Introduction3 minutes
Algorithmes de classification6 minutes
Problème d'entreprise5 minutes
Données5 minutes
Régression logistique Intuition8 minutes
Application de la régression logistique21 minutes
Matrice de confusion11 minutes
Arbre décisionnel Classification Intuition5 minutes
Application de l'Arbre décisionnel17 minutes
KNN Intuition8 minutes
Application KNN15 minutes
Module 3 Conclusion3 minutes

3 lecturesTotal 30 minutes

Vue d'ensemble du module 310 minutes
Module 3 Fichiers10 minutes
Guide d'étude du module 310 minutes

1 devoirTotal 30 minutes

Algorithmes de classification : Quiz30 minutes

Dans ce module, nous approfondirons notre compréhension de l'utilisation des algorithmes de clustering dans le monde des affaires en exécutant et en interprétant des modèles K-moyennes et DBSCAN.

Inclus

10 vidéos5 lectures1 devoir1 sujet de discussion1 plugin

10 vidéosTotal 85 minutes

Module 4 Introduction4 minutes
Introduction au regroupement12 minutes
Problème d'entreprise4 minutes
Données3 minutes
Intuition K-moyennes12 minutes
Application K-moyennes19 minutes
DBSCAN Intuition9 minutes
Application DBSCAN16 minutes
Module 4 Conclusion5 minutes
Apprendre à votre rythme1 minute

5 lecturesTotal 50 minutes

Vue d'ensemble du module 410 minutes
Module 4 Fichiers10 minutes
Guide d'étude du module 410 minutes
Félicitations pour avoir terminé le cours !10 minutes
Obtenez votre certificat de cours10 minutes

1 devoirTotal 30 minutes

Algorithmes de clustering : Quiz30 minutes

1 sujet de discussionTotal 10 minutes

Réflexion10 minutes

1 pluginTotal 15 minutes

Comment s'est déroulé le cours ?15 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Préparer un diplôme

Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Illinois Urbana-Champaign. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Instructeurs

Évaluations de l’enseignant

(11 évaluations)

Ronald Guymon

University of Illinois Urbana-Champaign

5 Cours92 394 apprenants

Offert par

University of Illinois Urbana-Champaign

En savoir plus sur Leadership et gestion

University of Illinois Urbana-Champaign
Machine Learning for Accounting with Python
Cours
Edureka
Applied Machine Learning with Python
Cours
O.P. Jindal Global University
Machine Learning
Cours
University of Illinois Urbana-Champaign
Introduction to Applied Business Analytics
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Foire Aux Questions

Une fois que vous vous serez inscrit à un certificat, vous aurez accès à toutes les vidéos, à tous les quiz et à tous les travaux de programmation (le cas échéant). Si vous choisissez d'explorer le cours sans l'acheter, il se peut que vous ne puissiez pas accéder à certains travaux.

Vous pouvez prétendre à un remboursement intégral jusqu'à deux semaines après la date de votre paiement. Vous ne pouvez pas obtenir de remboursement une fois que vous avez obtenu un certificat de cours, même si vous terminez le cours pendant la période de remboursement de deux semaines.

Oui ! Coursera offre une aide financière aux apprenants qui aimeraient terminer un cours, mais qui ne peuvent pas payer les frais de cours. Pour faire une demande d'aide, sélectionnez " En savoir plus et faire une demande " dans la section Aide financière sous le bouton " S'inscrire ". Vous serez invité à remplir une simple demande ; aucun autre document n'est requis.