Matlab for Predictive Analytics ( matlabpredanalytics | 21 hours )

• Expérience avec Matlab
• Aucune expérience préalable en science des données n'est requise

L'analyse prédictive est le processus qui consiste à utiliser l'analyse des données pour faire des prédictions sur l'avenir. Ce processus utilise des données ainsi que des techniques d'exploration de données, de statistiques et d'apprentissage automatique pour créer un modèle prédictif permettant de prévoir des événements futurs.

Dans cette formation, les participants apprendront à utiliser Matlab pour construire des modèles prédictifs et les appliquer à de grands échantillons de données afin de prédire des événements futurs sur la base des données.

A la fin de cette formation, les participants seront capables de :

• Créer des modèles prédictifs pour analyser des modèles dans des données historiques et transactionnelles
• Utiliser la modélisation prédictive pour identifier les risques et les opportunités
• Construire des modèles mathématiques qui capturent les tendances importantes
• Utiliser des données provenant d'appareils et de systèmes d'entreprise pour réduire le gaspillage, gagner du temps ou réduire les coûts.

Public

• Développeurs
• Ingénieurs
• Experts du domaine

Format du cours

• Une partie de cours, une partie de discussion, des exercices et une grande partie de pratique.

Introduction

• L'analyse prédictive dans la finance, les soins de santé, les produits pharmaceutiques, l'automobile, l'aérospatiale et la fabrication

Aperçu des concepts Big Data

Capturer des données à partir de sources disparates

Qu'est-ce qu'un modèle prédictif piloté par les données ?

Aperçu des techniques statistiques et d'apprentissage automatique

Étude de cas : maintenance prédictive et planification des ressources

Application d'algorithmes à de grands ensembles de données avec Hadoop et Spark

Predictive Analytics Flux de travail

[Exploration des données

Prétraitement des données

Développement d'un modèle prédictif

Entraînement, test et validation d'un ensemble de données

Application de différentes approches d'apprentissage automatique (régression de séries temporelles, régression linéaire, etc.)

Intégration du modèle dans les applications web existantes, les appareils mobiles, les systèmes embarqués, etc.

Intégration de Matlab et Simulink dans les systèmes embarqués et les flux de travail informatiques de l'entreprise

Création de code C et C++ portable à partir de code MATLAB.

Déploiement d'applications prédictives dans des systèmes de production à grande échelle, des clusters et des nuages.

Agir sur les résultats de votre analyse

Prochaines étapes : Répondre automatiquement aux résultats à l'aide de Prescriptive Analytics

Remarques finales