Apprendre les méthodes pour fouiller des données variées ou pour chercher à prévoir les valeurs d’une variable quantitative ou qualitative. Les méthodes présentées seront mises en œuvre au cours d’ateliers. Les différentes étapes d’une étude de Data Mining – Machine Learning seront détaillées ainsi que les méthodes de validation des résultats obtenus.

PARTAGER CETTE FORMATION

Print Friendly, PDF & Email

VOIR AUSSI


Formation Data Mining – Machine Learning

Apprendre les méthodes pour fouiller des données variées ou pour chercher à prévoir les valeurs d’une variable quantitative ou qualitative. Les méthodes présentées seront mises en œuvre au cours d’ateliers. Les différentes étapes d’une étude de Data Mining – Machine Learning seront détaillées ainsi que les méthodes de validation des résultats obtenus.

Durée : 4 jours (soit 28 heures) Référence : F-dat-00 lieux : interentreprise
PROCHAINES
SESSIONS
04/02/2020 07/02/2020
07/04/2020 10/04/2020
09/06/2020 12/06/2020
22/09/2020 25/09/2020
20/10/2020 23/10/2020
08/12/2020 11/12/2020
M'INSCRIRE À UNE SESSION
INFORMATIONS SESSIONS

PUBLIC

Dans l’entreprise, ce stage s’adresse aussi bien aux décideurs qu’aux statisticiens ou aux chargés d’études en charge de l’exploitation des données de l’entreprise (applications marketing, gestion de la relation client, scoring, churn, Recherche et Développement, etc.). Ce stage s’adresse également aux chercheurs ou ingénieurs de recherche ou d’étude issus du monde académique et amenés à manipuler des données dans le cadre de leurs recherches (biostatistique, recherche médicale, sciences sociales, économétrie, etc.).

Pré-requis

Il est conseillé d’avoir suivi la formation Pratique de la Statistique I ou d’avoir acquis par la pratique un niveau équivalent. Il est également recommandé d’avoir des notions de base du langage R ou de tout autre langage de programmation.

MÉTHODE

Alternance d’exposés, de discussions et d’exercices pratiques avec le logiciel R. Des scripts R commentés sont fournis aux participants, afin qu’ils puissent les adapter à leurs propres problématiques et données à l’issue de la formation.
PROGRAMMES

Jour 1

  1. Introduction générale
    1. Définitions : data mining et machine learning
    2. Points communs, différences et effet buzz
    3. Point logiciel
  2. Data Mining
    1. Explorer des données : cas univarié
      1. Décrire une variable qualitative
      2. Décrire une variable quantitative
      3. Automatiser le calcul dans R
    2. Explorer des données : cas bivarié
      1. Décrire le lien entre deux variables qualitatives
      2. Décrire le lien entre deux variables quantitatives
      3. Décrire le lien entre une variable qualitative et une quantitative
      4. Graphiques uni et bivariés automatisés
    3. Explorer des données : cas multivarié
      1. Introduction
      2. Analyse en Composantes Principales : approche intuitive
      3. Analyse Factorielle des Correspondances
      4. Analyse des Correspondances Multiples

Jour 2

Data Mining (suite)

  1. Classer des observations (clustering)
    1. Introduction
    2. Classification k-means
    3. Partitioning Around Medoids
    4. Classification Ascendante Hiérarchique
    5. DBSCAN
    6. Cartes Auto-Génératrices de Kohonen
  2. Machine Learning Supervisé
    1. Introduction, définitions et démarche
    2. Pré-traiter les données
    3. Comparer la performance de différents algorithmes/valeurs d’hyperparamètres

Jour 3

Machine Learning Supervisé (suite)

  1. Problématiques de régression
    1. Modélisation statistique et régression linéaire simple
    2. Régression multiple : principe
    3. Régression multiple : Sélection de variables
    4. Lasso, Ridge, Elastic Net
    5. Régression PLS
    6. Arbres de régression
  2. Problématiques de classification
    1. K plus proches voisins
    2. Analyse factorielle discriminante
    3. Régression logistique
    4. Support Vector Machines
    5. Arbres de classification
  3. Agrégation de modèles
    1. Bagging
    2. Random Forests
    3. Boosting

Jour 4

  1. Applications caret
    1. Introduction à la plateforme caret
    2. Projet régression
    3. Projet classification
  2. Introduction aux Réseaux de Neurones Artificiels et au Deep Learning, application Keras

TARIFS

1 inscrit
2ème inscrit
3ème inscrit
2600€
-10%
-15%

*Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s) pour une session

NOUS CONTACTER