4.7
étoiles
93 évaluations
•
17 avis

Jeff Thompson +1 enseignant de plus

6 839 déjà inscrits

Offert par

Apprentissage automatique à l'aide de SAS Viya

SAS

À propos de ce cours

7 409 consultations récentes

This course covers the theoretical foundation for different techniques associated with supervised machine learning models. In addition, a business case study is defined to guide participants through all steps of the analytical life cycle, from problem understanding to model deployment, through data preparation, feature selection, model training and validation, and model assessment. A series of demonstrations and exercises is used to reinforce the concepts and the analytical approach to solving business problems. 
This course uses Model Studio, the pipeline flow interface in SAS Viya that enables you to prepare, develop, compare, and deploy advanced analytics models. You learn to train supervised machine learning models to make better decisions on big data. The SAS applications used in this course make machine learning possible without programming or coding.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 34 heures pour terminer

Anglais

Sous-titres : Anglais

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Niveau intermédiaire

Approx. 34 heures pour terminer

Anglais

Sous-titres : Anglais

Enseignants

Évaluation de l'enseignant

4,61/5 (16 évaluations)

Jeff Thompson

Senior Analytical Training Consultant

Education

6 839 étudiants

1 cours

Catherine Truxillo

Director, Analytical Education

Education

6 839 étudiants

1 cours

Offert par

SAS

Through innovative software and services, SAS empowers and inspires customers around the world to transform data into intelligence. SAS is a trusted analytics powerhouse for organizations seeking immediate value from their data. A deep bench of analytics solutions and broad industry knowledge keep our customers coming back and feeling confident. With SAS®, you can discover insights from your data and make sense of it all. Identify what’s working and fix what isn’t. Make more intelligent decisions. And drive relevant change.

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

Semaine 1

1 heure pour terminer

Course Overview

In this module, you meet the instructor and learn about course logistics, such as how to access the software for this course.

1 heure pour terminer

1 vidéo (Total 2 min), 3 lectures, 1 quiz

5 heures pour terminer

Getting Started with Machine Learning using SAS® Viya

In this module, you learn how you can meet today's business challenges with machine learning using SAS® Viya®. You start working on the project that runs throughout the course.

5 heures pour terminer

15 vidéos (Total 43 min), 16 lectures, 9 quiz

15 vidéos

Introduction13s

Machine Learning in SAS Viya2 min

Analytics Life Cycle1 min

Case Study: Customer Churn2 min

SAS Viya Tools for SAS Visual Data Mining and Machine Learning1 min

Demo: Creating a Project and Selecting Data5 min

Importing Data from a Local Source1 min

Predictive Modeling5 min

Data Preparation1 min

Dividing the Data3 min

Addressing Rare Events Using Event-Based Sampling3 min

Demo: Modifying the Data Partition5 min

Managing Missing Values3 min

Demo: Building a Pipeline from a Basic Template5 min

SAS Viya in the SAS Platform: Architecture1 min

16 lectures

Applications of Prediction-Based Decision Making10 min

Case Study: Data Dictionary10 min

SAS Drive and the Application Bar10 min

Importing Data from a Local Source10 min

SAS Viya Tools for Data Preparation10 min

Cross Validation for Small Data Sets10 min

Selecting Variables on the Data Tab10 min

Global Metadata10 min

Managing Missing Values: Details10 min

Imputation Methods in Model Studio10 min

Pipeline Templates in Model Studio10 min

Logistic Regression10 min

SAS Cloud Analytic Services10 min

SAS Viya: A Shift in Mindset10 min

Data Sources and CAS10 min

Interfaces and Products10 min

6 exercices pour s'entraîner

Question 1.025 min

Question 1.035 min

Question 1.045 min

Question 1.055 min

Question 1.065 min

Getting Started with Machine Learning and SAS Viya30 min

Semaine

Semaine 2

6 heures pour terminer

Data Preparation and Algorithm Selection

In this module, you learn to explore the data and finish preparing the data for analysis. You also learn some general considerations for selecting an algorithm.

6 heures pour terminer

14 vidéos (Total 44 min), 12 lectures, 16 quiz

14 vidéos

Introduction to Data Preparation and Algorithm Selection45s

Exploring the Data1 min

Demo: Exploring the Data4 min

Replacing Incorrect Values1 min

Demo: Replacing Incorrect Values Starting on the Data Tab6 min

Feature Creation24s

Text Mining1 min

Demo: Adding Text Mining Features6 min

Using Transformations to Handle Extreme or Unusual Values3 min

Demo: Transforming Inputs5 min

Selecting Useful Inputs4 min

Demo: Selecting Features5 min

Demo: Saving a Pipeline to the Exchange1 min

Starting the Discovery Phase of the Analytics Life Cycle1 min

12 lectures

Data Mining Preprocessing Nodes in Model Studio10 min

Risk Modeling Add-on for SAS Visual Data Mining and Machine Learning10 min

Replacing Incorrect Values Starting with the Manage Variables Node10 min

Singular Value Decomposition and the Text Mining Node10 min

Feature Extraction Node10 min

Transformations in Model Studio10 min

Feature Selection and the Variable Selection Node: Details10 min

Variable Clustering10 min

Best Practices for Common Data Preparation Challenges10 min

Feature Engineering in SAS Visual Data Mining and Machine Learning10 min

Considerations for Selecting an Algorithm10 min

Comparison of Modeling Algorithms10 min

8 exercices pour s'entraîner

Question 2.015 min

Question 2.025 min

Question 2.035 min

Question 2.045 min

Question 2.055 min

Question 2.075 min

Question 2.085 min

Data Preparation and Algorithm Selection Quiz30 min

Semaine

Semaine 3

7 heures pour terminer

Decision Trees and Ensembles of Trees

In this module, you learn to build decision tree models as well as models based on ensembles, or combinations, of decision trees.

7 heures pour terminer

23 vidéos (Total 69 min), 14 lectures, 17 quiz

23 vidéos

Introduction to Decision Trees and Ensembles of Trees38s

Basics of Decision Trees2 min

Demo: Building a Decision Tree Model Using the Default Settings7 min

Decision Trees for Categorical Targets: Classification Trees3 min

Decision Trees for Interval Targets: Regression Trees2 min

Improving the Decision Tree Model25s

Demo: Modifying the Structure Parameters2 min

Recursive Partitioning3 min

Splitting Criteria4 min

Split Search9 min

Demo: Modifying the Recursive Partitioning Parameters1 min

Optimizing the Complexity of a Decision Tree Model36s

Pruning3 min

Demo: Modifying the Pruning Parameters2 min

Regularizing and Tuning the Hyperparameters of a Machine Learning Model2 min

Building Ensemble Models1 min

Perturb and Combine Methods5 min

Bagging2 min

Boosting1 min

Comparison of Tree-Based Models1 min

Demo: Building a Gradient Boosting Model3 min

Forest Models3 min

Demo: Building a Forest Model4 min

14 lectures

Score Code in Model Studio10 min

Impurity Reduction Measures for Categorical and Interval Targets10 min

Splitting Criteria in Model Studio10 min

Adjustments in a Split Search10 min

Missing Values in Decision Trees in Model Studio10 min

Surrogate Splits10 min

Calculating Variable Importance for Surrogate Splits10 min

Bottom-Up Pruning Requirements10 min

Pruning Options in Model Studio10 min

Hyperparameter Optimization Methods10 min

Autotuning Options for Decision Trees in Model Studio10 min

Gradient Boosting Models10 min

Autotuning Options for Gradient Boosting in Model Studio10 min

Autotuning Options for Forests in Model Studio10 min

10 exercices pour s'entraîner

Question 3.015 min

Question 3.025 min

Question 3.035 min

Question 3.045 min

Question 3.055 min

Question 3.065 min

Question 3.075 min

Question 3.085 min

Question 3.095 min

Decision Trees and Ensembles of Trees Quiz30 min

Semaine

Semaine 4

4 heures pour terminer

Neural Networks

In this module, you learn to build neural network models.

4 heures pour terminer

19 vidéos (Total 42 min), 9 lectures, 10 quiz

19 vidéos

Introduction to Neural Networks27s

Beyond Traditional Regression: Neural Networks4 min

Overcoming the Limitations of Neural Networks3 min

Basics of Neural Networks3 min

Estimating Weights and Making Predictions3 min

Learning Process2 min

Essential Discovery Tasks for Neural Networks24s

Demo: Building a Neural Network Using the Default Settings2 min

Improving the Neural Network Model18s

Neural Network Architectures4 min

Activation Functions1 min

Shaping the Sigmoid2 min

Demo: Modifying the Neural Network Architecture1 min

Optimizing the Complexity of a Neural Network Model37s

Weight Decay2 min

Early Stopping2 min

Regularizing and Tuning the Hyperparameters of a Neural Network Model32s

Network Learning Hyperparameters3 min

Demo: Modifying the Learning and Optimization Parameters2 min

9 lectures

Standardization Methods10 min

Iterative Updating in Numerical Optimization10 min

Numerical Optimization Methods in Model Studio10 min

Deviance Measures in Model Studio10 min

Calculating the Number of Parameters10 min

Deep Learning10 min

Hidden Layer Activation Functions in Model Studio10 min

Target Layer Activation Functions and Error Functions in Model Studio10 min

Autotuning Options for Neural Networks in Model Studio10 min

6 exercices pour s'entraîner

Question 4.015 min

Question 4.02 - 4.0310 min

Question 4.045 min

Question 4.055 min

Question 4.06 - 4.0710 min

Neural Networks Quiz30 min

Semaine

Semaine 5

4 heures pour terminer

Support Vector Machines

In this module, you learn to build support vector machine models.

4 heures pour terminer

17 vidéos (Total 31 min), 5 lectures, 10 quiz

17 vidéos

Introduction to Support Vector Machines43s

Support Vector Machines as Classifier Models2 min

Mathematical Definition of a Support Vector Machine1 min

Maximum-Margin Hyperplane and Support Vectors1 min

Essential Discovery Tasks for Support Vector Machines9s

Demo: Building a Support Vector Machine Using the Default Settings2 min

Improving the Support Vector Machine Model1 min

Optimization Problem1 min

Accounting for Errors with Nonlinearly Separable Data51s

Demo: Modifying the Methods of Solution Parameters1 min

Optimizing the Complexity of the Support Vector Machine Model28s

Feature Space Approach for Nonlinearly Separable Data1 min

Kernel Trick1 min

Demo: Increasing the Flexibility of the Support Vector Machine2 min

Model Interpretability1 min

Demo: Adding Model Interpretability10 min

Regularizing and Tuning the Hyperparameters of the Support Vector Machine Model22s

5 lectures

Dot Products10 min

Constraints for Optimization10 min

Lagrange Approach for Estimation10 min

Model Interpretability Plots10 min

Autotuning Options for Support Vector Machines in Model Studio10 min

5 exercices pour s'entraîner

Question 5.015 min

Question 5.025 min

Question 5.035 min

Question 5.045 min

Support Vector Machines Quiz30 min

Semaine

Semaine 6

5 heures pour terminer

Model Deployment

In this module, you learn how to select the model that best meets the requirements of your business challenge and put the model into production. You also learn about managing the model over time.

5 heures pour terminer

16 vidéos (Total 36 min), 5 lectures, 13 quiz

16 vidéos

Introduction to Model Deployment24s

Essential Deployment Tasks34s

Selecting a Model45s

Numeric Measures of Model Performance1 min

Confusion Matrix for Decision Predictions1 min

ROC Charts and the C-Statistic3 min

Charts Based on Response Rate: CPH and Lift3 min

Ways of Comparing Models in Model Studio1 min

Demo: Comparing Models within a Pipeline2 min

Demo: Comparing Models across Pipelines2 min

Demo: Reviewing a Project Summary Report on the Insights Tab3 min

Demo: Registering the Champion Model59s

Demo: Exploring the Settings for Model Selection2 min

Scoring and Managing the Champion Model1 min

Demo: Viewing the Score Code and Running a Scoring Test6 min

Monitoring and Updating the Model1 min

5 lectures

Numeric Measures of Model Performance by Prediction Type10 min

Model Selection Statistics by Target Type10 min

Score Code and Model Deployment10 min

Introducing SAS Model Manager10 min

SAS Model Manager Tabs10 min

6 exercices pour s'entraîner

Question 6.015 min

Question 6.025 min

Question 6.035 min

Question 6.045 min

Question 6.055 min

Model Deployment Quiz30 min

Semaine

Semaine 7

2 heures pour terminer

Additional Resources and Practice Exam

2 heures pour terminer

1 vidéo (Total 6 min), 4 lectures, 1 quiz

Avis

4.7

17 avis

5 stars
74,73 %
4 stars
18,94 %
3 stars
6,31 %

Meilleurs avis pour APPRENTISSAGE AUTOMATIQUE À L'AIDE DE SAS VIYA

par TA5 juil. 2019

Easy to follow even with limited statistics knowledge. Instructors teach the basics to get you started and best of all the software is included so you can practice.

par EO5 janv. 2021

The content is great, although the platform failed after 5 days of inactivity. My account was deactivated and I was never able to recover it so I couldn't follow the tutorials.

par RM7 avr. 2020

I found this course SAS Viya really excellent and useful for Data Scientist. I would recommend it to anyone interested in learning and deploy machine learning.

par PD11 juin 2020

A well designed and thoughtful course explaining the key concepts of machine learning

Voir tous les avis

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.
What browser is recommended for accessing software in this course?
We recommend Chrome, Firefox or Safari when accessing the software.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Apprentissage automatique à l'aide de SAS Viya

Apprentissage automatique à l'aide de SAS Viya

À propos de ce cours

Enseignants

Jeff Thompson

Catherine Truxillo

Offert par

SAS

Programme de cours : ce que vous apprendrez dans ce cours

Semaine 1

Course Overview

Getting Started with Machine Learning using SAS® Viya

Semaine 2

Data Preparation and Algorithm Selection

Semaine 3

Decision Trees and Ensembles of Trees

Semaine 4

Neural Networks

Semaine 5

Support Vector Machines

Semaine 6

Model Deployment

Semaine 7

Additional Resources and Practice Exam

Avis

Meilleurs avis pour APPRENTISSAGE AUTOMATIQUE À L'AIDE DE SAS VIYA

Foire Aux Questions

Commencez ou faites progresser votre carrière

Parcourez les sujets populaires

Cours et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus

Apprentissage automatique à l'aide de SAS Viya

Apprentissage automatique à l'aide de SAS Viya

À propos de ce cours

Enseignants

Jeff Thompson

Catherine Truxillo

Offert par

SAS

Programme de cours : ce que vous apprendrez dans ce cours

Semaine 1

Course Overview

Getting Started with Machine Learning using SAS® Viya

Semaine 2

Data Preparation and Algorithm Selection

Semaine 3

Decision Trees and Ensembles of Trees

Semaine 4

Neural Networks

Semaine 5

Support Vector Machines

Semaine 6

Model Deployment

Semaine 7

Additional Resources and Practice Exam

Avis

Meilleurs avis pour APPRENTISSAGE AUTOMATIQUE À L'AIDE DE SAS VIYA

Foire Aux Questions

Coursera Footer

Commencez ou faites progresser votre carrière

Parcourez les sujets populaires

Cours et articles populaires

Obtenez un diplôme ou un certificat en ligne

Coursera

Communauté

Plus