Openskillroom

Ce que vous apprendrez ?

Ajuster et optimiser un modèle SVM pour améliorer la précision de la prédiction du churn client.
Comparer les performances de différents algorithmes de machine learning pour la prédiction du churn client.
Évaluer les performances d'un modèle prédictif de churn client à l'aide de métriques appropriées.
Implémenter un modèle SVM en Python pour la prédiction du churn client.
Identifier les caractéristiques pertinentes d'un jeu de données pour prédire le churn client.

Prérequis

Fondamentaux du Machine Learning Prétraitement et Exploration des Données Algorithmes de Classification et SVM Optimisation des Modèles et Évaluation des Performances Déploiement et Utilisation des Prédictions

Contenu de la Formation

Total: 20 Chapitres Total hours: 6-12

Définition du Churn Client et son impact
Introduction au Machine Learning et aux algorithmes de classification
Présentation des données et des problématiques liées au Churn
Préparation des données : nettoyage et transformation

Analyse exploratoire des données (EDA)
Visualisation des données et identification des patterns
Sélection des features pertinentes
Gestion des valeurs manquantes et des outliers

Introduction aux Support Vector Machines (SVM)
Implémentation d'un modèle SVM avec scikit-learn
Évaluation des performances du modèle : métriques et interprétation
Optimisation des hyperparamètres du modèle SVM

Comparaison des performances avec d'autres algorithmes (ex: Logistic Regression)
Techniques d'amélioration des performances : cross-validation, feature engineering
Evaluation approfondie et choix du meilleur modèle
Interprétation des résultats et identification des facteurs clés de Churn

Déploiement du modèle prédictif
Monitoring des performances du modèle en production
Mise à jour et réentraînement du modèle
Etude de cas et bonnes pratiques

À TÉLÉCHARGER

À propos de l'instructeur

0 Instructor Avis
3 Avis
62 Cours
Voir tous les cours.

IDRISSI

nouhaila.idrissi@openskillroom.com

Nouhaila IDRISSI est Maître de conférences en Informatique et en Intelligence Artificielle. Après avoir terminé ses études à l’ENSIAS, elle a obtenu un doctorat en informatique et en apprentissage profond de l’École Mohammadia d'ingénieurs (EMI). Notre formatrice dispose de compétences pluridisciplinaires et complémentaires en IA, Big Data, Machine Learning, Deep Learning, NLP, Data Warehousing, BI et Cloud computing. Parallèlement à ses activités académiques, Dr IDRISSI est une collaboratrice active dans le milieu industriel, contribuant à combler le fossé entre la recherche académique et les applications du monde réel.

Voir plus Voir Moins

Retour des Apprenants

(0) Évaluation du cours

5 stars

0.00%

4 stars

0.00%

3 stars

0.00%

2 stars

0.00%

1 stars

0.00%

Avis

Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici

Aperçu de ce cours

2730 DH 35% off

4 days Restant à ce prix !

Caractéristiques du cours

Durée 6-12 hour
Language Français
Niveau de compétence.
CertificateNon
Nombre maximum d'inscrits
Type de formation

Cours connexes

Large Language Models (LLMs) au Service de la Relation Client : Chatbots et Assistants Virtuels

IDRISSI

4 200,00 DH

Analyser les données de son entreprise avec l’IA et l’IA Générative

IDRISSI

4 200,00 DH

Développement d’un Système de Recommandation Hybride pour les Plateformes de Streaming Vidéo avec Machine Learning et Deep Learning

IDRISSI

4 200,00 DH

Implémentez du Machine Learning sans coder grâce aux outils No Code

ENNANIA

4 200,00 DH

Systèmes de recommandation pour les applications commerciales avec Python, Machine Learning, Deep Learning, Pandas, Tensorflow, keras et Matplotlib

IDRISSI

2 730,00 DH
4 200,00 DH

Ce que vous apprendrez ?

Prérequis

Contenu de la Formation

À TÉLÉCHARGER

À propos de l'instructeur

IDRISSI

Retour des Apprenants

Avis

Caractéristiques du cours

Cours connexes

Large Language Models (LLMs) au Service de la Relation Client : Chatbots et Assistants Virtuels

Analyser les données de son entreprise avec l’IA et l’IA Générative

Développement d’un Système de Recommandation Hybride pour les Plateformes de Streaming Vidéo avec Machine Learning et Deep Learning

Implémentez du Machine Learning sans coder grâce aux outils No Code

Systèmes de recommandation pour les applications commerciales avec Python, Machine Learning, Deep Learning, Pandas, Tensorflow, keras et Matplotlib

Devenir enseignant, Partagez vos connaissances

Entreprise

Formation

Autre

Créer un modèle prédictif de Churn Client avec python, SVM et Machine Learning

Ce que vous apprendrez ?

Prérequis

Contenu de la Formation

À TÉLÉCHARGER

À propos de l'instructeur

Retour des Apprenants

Avis

Caractéristiques du cours

Cours connexes

Plus de cours par IDRISSI

Avancé

Avancé

Avancé

Avancé

Devenir enseignant, Partagez vos connaissances

Entreprise

Formation

Autre