Dans ce cours de 2 heures basé sur un projet, vous apprendrez à réaliser une détection des anomalies, son importance dans l'apprentissage automatique, à mettre en place une détection des anomalies par PyCaret, à créer, visualiser et comparer des algorithmes de détection des anomalies, tout cela avec seulement quelques lignes de code.

Machine Learning - Détection d'anomalies via PyCaret
Obtenez l'une de nos meilleures offres avec Coursera Plus pour 199 $ (habituellement 399 $). Économisez maintenant.

Machine Learning - Détection d'anomalies via PyCaret

Instructeur : Muhammad Saad uddin
1 540 déjà inscrits
Inclus avec
Demander à Coursera
(18 avis)
Expérience recommandée
Ce que vous apprendrez
Modèles de détection des anomalies
Compétences que vous pratiquerez
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Détection des anomalies
- Catégorie : Analyse exploratoire des données
- Catégorie : Apprentissage non supervisé
- Catégorie : Évaluation du modèle
- Catégorie : Analyse des données
- Catégorie : Apprentissage automatique
- Catégorie : Visualisation scientifique
- Catégorie : Visualisation des données
- Catégorie : Modèle de formation
- Catégorie : Environnement de développement
- Catégorie : Méthodes d'apprentissage automatique
- Catégorie : Prétraitement des données
Outils que vous utiliserez
- Catégorie : Jupyter
- Catégorie : Déploiement du modèle
Détails à connaître

Ajouter à votre profil LinkedIn
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents

À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
1. Importation des données et analyse exploratoire visant à détecter les anomalies
2. Configuration de l'environnement PyCaret pour la détection d'anomalies
3. Sélectionner et créer des modèles
4. Comparer les anomalies entre les modèles
5. visualiser, interpréter la décision et enregistrer le modèle
Expérience recommandée
Maîtrise des concepts de base de Python et de l'apprentissage automatique
5 images de projet
Instructeur

Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Vous aimerez peut-être aussi
Statut : GratuitCoursera
Statut : Essai gratuitMacquarie University
Statut : Essai gratuit
Statut : Essai gratuit




