Prérequis et objectifs
Résultats attendus
Attestation de formation
Prérequis de la formation
Un formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Objectifs de la formation
Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants
Objectifs de sortie
- Construire un arbre de décision en choisissant des critères pertinents de segmentation
- Connaître l'intérêt des règles d'association et savoir les utiliser sur des données volumineuses
- Savoir mener une modélisation de type régression multiple et en interpréter les résultats
- Mettre en œuvre une analyse discriminante, en mesurer la qualité des paramètres et fournir des probabilités d'appartenance à un groupe
- Disposer d'un comparatif des méthodes avec leur propriété, qualité et conditions d'application
- Utiliser les réseaux de neurones pour résoudre les problématiques de classification
Domaines
Contenu
- Arbres de Décision
- Principe et algorithmes de construction
- Identification des variables discriminantes
- Arbre de régression et arbre de classement (discriminant)
- Règles d’association
- Recherche des règles d’association pertinentes dans une base de données
- Sélection des meilleures règles et leur utilisation
- Utilisation en Data Mining
- Modèle linéaire et régression multiple
- Modélisation de la relation entre la variable cible et les variables explicatives
- Interprétation des résultats et pièges à éviter
- Analyse Discriminante
- Analyse linéaire discriminante
- Qualité d’une discrimination
- Probabilité d'appartenance à un groupe
- Comparaisons, domaines d’application, conditions d’utilisation
- Comparaisons des propriétés, qualités et conditions d’application des familles de méthodes et des méthodes elles-mêmes.
- Complémentarité des méthodes
- Panorama des logiciels
- Réseaux de Neurones
- Principes des réseaux de neurones (perceptron)
- Techniques de calculs
- Applications à la résolution de nombreux problèmes dont la discrimination et la régression