OBJECTIFS PEDAGOGIQUES
Ce stage vous permettra de travailler à définir et mettre en œuvre un projet d’analyse statistique. Il vous apporte les notions de l’architecture technique nécessaires à l’analyse statistique des données (en environnement classique ou Big Data) et aux techniques statistiques d’analyse profonde des données.
PUBLIC
Chargés d’études, responsables de projet analyse de données, responsables Infocentre, Marketing ou Qualité, utilisateurs et gestionnaires métiers de bases de données, futurs Data Scientist. |
PRE-REQUIS
Connaissances de base en statistiques ou connaissances équivalentes à celles apportées par le stage “Statistiques descriptives, introduction” (réf. UES). |
CONTENU
Le projet de Data Mining
- La problématique du Data Scientist : de la donnée à l’information.
- Le vocabulaire et les concepts.
- L’exploration descriptive du jeu de données.
- Les métadonnées pour le suivi du projet de Data Mining.
- Rappels sur le logiciel R.
Les techniques de l’approche Data Mining
- Méthode basée sur la classification : identification de groupes d’individus statistiques.
- Méthode par association : mise en évidence d’une cause et d’une conséquence.
- Méthode de l’estimation : complément d’un effectif ou d’une fréquence d’un jeu de données.
- Apports du Data Mining pour le traitement des grandes volumétries de données.
- Méthode de segmentation : définition de critères, extension de la méthode de classification et principe des k-means.
- Méthode de prévision : importance de la temporalité et des hypothèses.
Les outils statistiques
- Méthodes descriptives : corrélation, classification, réseaux de Kohonen, règles d’association.
- Méthodes prédictives : régression, arbres de décision, réseaux de neurones, les K plus proches voisins.
- Mise en œuvre de classification par k-means et CAH (Classification Ascendante Hiérarchique).
- Principe des méthodes supervisées.
La visualisation des données
- Les objectifs de la visualisation des données.
- Les différents types de représentations de données quantitatives.
- Concevoir des tableaux de bord.
Analyse de données qualitatives et textuelles
- Spécificités de la problématique et les alternatives (Analyse Factorielle des Correspondances, table de contingence).
- Présentation d’instanciation, de pattern, de vecteur et d’heuristique.
- Comment utiliser un espace de vecteurs, d’indexation, de scoring.
- Différents types de transformations et traitement d’un document textuel. |
