Dans ce projet, nous allons construire une Classification naïve bayésienne pour prédire si un texte de CV donné est marqué ou non. Nos données d'entraînement sont constituées de 125 CV, dont 33 sont marqués et 92 ne le sont pas. Ce projet pourrait être utilisé de manière pratique pour filtrer les CV dans les entreprises.

Naive Bayes 101 : Sélection de CV avec l'apprentissage automatique
Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

Naive Bayes 101 : Sélection de CV avec l'apprentissage automatique

Instructeur : Ryan Ahmed
Inclus avec
(17 avis)
Expérience recommandée
Ce que vous apprendrez
Créer un pipeline pour supprimer les mots d'arrêt, la ponctuation et effectuer la tokenisation
Comprendre la théorie et l'intuition des classifications naïves bayésiennes
Entraîner une Classification naïve bayésienne et évaluer ses performances
Compétences que vous pratiquerez
- Catégorie : Analyse exploratoire des données
- Catégorie : Données non structurées
- Catégorie : Modélisation prédictive
- Catégorie : Nettoyage des données
- Catégorie : Exploration de texte
- Catégorie : Prétraitement des données
- Catégorie : Traitement du langage naturel
- Catégorie : Évaluation du modèle
- Catégorie : Visualisation des données
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Informatique
- Catégorie : Apprentissage automatique
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Analyse des données
- Catégorie : Modèle de formation
- Catégorie : Tracé (graphique)
- Catégorie : Apprentissage statistique des machines
Outils que vous utiliserez
- Catégorie : Programmation Python
- Catégorie : Algorithmes de classification
- Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
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 :
Tâche 1 : Comprendre l'énoncé du problème et l'analyse de rentabilisation
Tâche 2 : Importer des bibliothèques et des ensembles de données
Tâche 3 : Effectuer l'analyse exploratoire des données (AED)
Tâche 4 : Nettoyage des données
Tâche 5 : Visualiser les ensembles de données nettoyés
Tâche 6 : Préparer les données en appliquant la vectorisation du comptage
Intuit : Comprendre l'intuition derrière la Classification naïve bayésienne - Partie 1
Intuit 8 : Comprendre l'intuition derrière la Classification naïve bayésienne - Partie #2
Tâche 9 : Former un modèle de classification naïve bayésienne
Tâche 10 : Évaluer la performance du modèle formé
Expérience recommandée
Connaissances de base en programmation Python
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

SkillsBooster Academy
Statut : Prévisualisation






