Acquérez des compétences pratiques en apprentissage automatique sous R en réalisant des projets concrets à l’aide du package `caret`. L’ouvrage « Maîtriser les projets d’apprentissage automatique sous R avec Caret » vous guide à travers un processus structuré, depuis la lecture des ensembles de données et l’évaluation de leur qualité jusqu’à leur préparation pour le regroupement par clusters et l’apprentissage non supervisé. Vous apprendrez à détecter et à traiter les valeurs manquantes, à évaluer les attributs d’un ensemble de données, à appliquer une analyse de corrélation, à remédier au déséquilibre des données, à choisir des stratégies d’imputation appropriées, à prétraiter les ensembles de données et à mettre en œuvre des techniques de regroupement pour identifier des tendances significatives.

Conçu pour les étudiants, les professionnels et les passionnés de données, ce cours met l’accent sur un apprentissage pratique, basé sur des projets, plutôt que sur la théorie seule. Chaque module s’appuie sur le précédent, vous aidant ainsi à acquérir de l’assurance dans la préparation d’ensembles de données fiables, la validation de la qualité des données et l’application de techniques de prétraitement essentielles avant la modélisation. Vous acquerrez également une expérience pratique dans la reproduction de résultats de recherche et l’optimisation des workflows d’apprentissage automatique à l’aide de R. Ce qui distingue ce cours, c’est l’accent mis de bout en bout sur la préparation des données et le regroupement par clusters au sein d’un même projet d’apprentissage automatique. À l’issue du cours, vous serez capable de structurer des projets d’apprentissage automatique, de préparer des ensembles de données de haute qualité, de mettre en œuvre le regroupement par clusters à l’aide du package `caret`, et d’interpréter les résultats avec davantage d’assurance pour l’analyse de données réelles.