Passer commande via notre portail client

Partager cet article ...Print this pageEmail this to someoneTweet about this on TwitterShare on FacebookShare on Google+Share on LinkedInPin on PinterestShare on TumblrDigg this
SAS® Enterprise Miner™ : application des techniques de Data mining
AAEM / LI-REQ-242

OBJECTIFS PEDAGOGIQUES

À la fin du cours, le stagiaire sera capable de :

  • Créer un projet dans SAS Enterprise Miner et réaliser les analyses exploratoires
  • Préparer les données pour obtenir de meilleures analyses
  • Construire et comprendre les modèles prédictifs comme la régression logistique ou les arbres de décision
  • Comparer et expliquer des modèles complexes comme les réseaux de neurones
  • Générer et utiliser du code pour scorer de nouvelles observations
  • Détecter des associations et des séquences sur des données transactionnelles

PUBLIC

PRE–REQUIS

Analystes, experts métier, et toute personne souhaitant une introduction à SAS Enterprise Miner Etre familier avec l’environnement Microsoft Windows et les logiciels Microsoft 

Etre familier avec les statistiques descriptives de base et les modèles de régression

CONTENU

Introduction à SAS Enterprise MinerAccéder aux données et tester les différentes méthodes de préparation des données 

Créer un projet, une bibliothèque et un diagramme dans SAS Enterprise Miner
Définir une source de données
Explorer une source de données

Introduction à la modélisation prédictive : Les bases de la modélisation prédictive et les arbres de décision

Introduction
Construire un arbre de décision
Optimiser la complexité des arbres de décision
Comprendre les autres outils de diagnostic (auto-formation)
Les options pour la construction automatique des arbres de décision (auto-formation)

Introduction à la modélisation prédictive : Régression

Sélectionner les variables explicatives du modèle de régression
Optimiser la complexité de la régression
Interpréter le modèle de régression
Transformer les variables explicatives
Variables explicatives qualitatives
La régression polynomiale (auto-formation)

Introduction à la modélisation prédictive : Réseaux de neurones et autres outils

Sélectionner les variables explicatives
Arrêter l’apprentissage du réseau de neurones
Autres outils de modélisation (auto-formation)

Évaluation du modèle

Statistiques d’ajustement du modèle
Graphiques statistiques
Ajustement lié au rééchantillonnage par partitionnement
Matrices de profit

Implémentation du modèle

Scorer une nouvelle table en interne dans SAS Enterprise Miner
Modules de production de codes de score

Introduction à la détection de motifs

Analyse de classification
Analyse du panier d’achat (auto-formation)

Problématiques spécifiques

Combinaison de modèles
Sélection de variables
Consolidation des variables qualitatives
Modèles avec substitution
SAS Rapide Predictive Modeler

SESSIONS PROGRAMMEES

Visualisez le calendrier de cours SAS en ligne ici

VALIDATION

Des QCM sont réalisés pendant la formation permettant de mesurer la compréhension sur chaque thème abordé

PEDAGOGIE

La pédagogie employée pour l’animation du cours est basée sur une démarche démonstrative

Les formations combinent 30% d’exercices pratiques pour 70% de théorie et démonstrations

INTERVENANTS

La formation est assurée par un formateur SAS ou un partenaire de SAS.

Tous nos formateurs sont certifiés sur nos logiciels.

MODALITES PRATIQUES

Durée : 3 jours soit 21 heures soit 7 heures de cours par jour
Prix stagiaire : 1 708,00 € TTC
Horaires : 9h30 – 12h30, 13h30 – 17h30

Durée: