#ANALYTIQUE RH #STATISTIQUE #REGRESSION #PYTHON #KNIME 

Ce que vous apprendrez

  • Appliquer la méthode d'analyse factorielle

  • Créer un modèle de regression linéaire

  • Introduction à l'analytique RH

  • Votre expérimente d'apprentissage

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage pour vous aider à atteindre vos objectifs.

  • Prérequis

    Aucun

  • Applications

    Déterminer de manière quantitative à quel point certains facteurs font augmenter ou baisser le score d'engagement moyen dans une équipe de travail.

  • Outils

    Python et KNIME

Contenu du projet pratique

    1. Bienvenue

    2. Prérequis

    3. Option Premium

    4. Avant que nous commencions...

    1. Vue d’ensemble du projet

    2. Objectifs d'apprentissage

    3. Domaines d’application

    4. Ressources

    5. Mise en place de l’environnement

    6. Survol de la solution

    1. Description de la tâche

    2. Conseils

    1. Description de la tâche

    2. Solution

    1. Description de la tâche

    2. Solution

    1. Description de la tâche

    2. Conseils

    3. Solution
  • Gratuit
  • 43 leçons

Description

Le but de ce projet pratique est d'expliquer la méthode d'analyse factorielle pour être en mesure de déterminer si les questions de sondage d'une base de données forment des sous-groupes qu'on peut catégoriser et si l'ensemble des questions dans chaque sous-groupe évaluent bien la catégorie dans laquelle elles font partie. La qualité du regroupement de chaque catégorie sera évaluée à l'aide de la méthode de calcul du coefficient alpha de Cronbach que nous allons présenter dans cette leçon. Par la suite, vous serez en mesure de créer un modèle de régression linéaire et déterminer de manière quantitative à quel point certains facteurs font augmenter ou baisser le score d'engagement moyen dans une équipe de travail.

Certificat d'achèvement

Instructrice

Maria Gioada

Partenaire Formation

Stagiaire en science de données En tant qu’étudiante au HEC Montréal, ma maîtrise en intelligence d’affaires m’a permis d’expandre mes connaissances dans le domaine de l’analyse de données, la gestion de base de données, l’apprentissage machine, etc. en réalisant des projets autant théoriques que pratiques en R, SQL, SAS et Python. De plus, je détiens un intérêt envers l’enseignement, que ce soit dans le milieu scolaire ou professionnel. Comme l’IA et le Big Data prennent de plus en plus de place dans notre quotidien, ceux-ci deviendront des outils en forte demande, voire essentiels et c’est pour cela que je souhaite partager mon expérience dans ce domaine en utilisant des explications simples et concrètes.

Questions fréquemment posées

  • De quels logiciels et versions ai-je besoin ?

    À définir

  • Est-ce que le cours de préparation est obligatoire à suivre

    Non. Le cours a été conçu comme une référence

  • Est-ce que le contenu sera encore disponible après la fin du projet

    Absolument et pour toujours!