À la fin de ce cours, les apprenants seront en mesure de préparer des ensembles de données, de détecter et de traiter les valeurs manquantes, d'appliquer des stratégies d'imputation, d'effectuer des analyses de corrélation, de traiter le déséquilibre des données et de mettre en œuvre le clustering en utilisant le package caret dans R. Les participants acquerront également une expérience pratique dans la reproduction des résultats de la recherche, la validation de la qualité des données et la rationalisation des flux de travail de l'apprentissage automatique.

Ce cours est conçu pour les étudiants, les professionnels et les passionnés de données qui souhaitent renforcer leurs compétences en apprentissage automatique appliqué dans R. Contrairement aux cours théoriques habituels, il met l'accent sur l'apprentissage par projet, en accompagnant les apprenants pas à pas dans un flux de travail complet - de la lecture des ensembles de données au prétraitement avancé et au clustering. Ce qui rend ce cours unique, c'est l'accent mis sur la résolution de problèmes du monde réel, en intégrant le traitement des données manquantes, le prétraitement et l'apprentissage non supervisé dans un cadre de travail unique et cohérent. Les apprenants acquerront non seulement des compétences techniques, mais aussi la confiance nécessaire pour structurer, exécuter et interpréter efficacement les projets d'apprentissage automatique.