Accueil    Formations    Informatique    Big Data    Data Science    Data Mining - Synthèse

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs pédagogiques

  • Comprendre les principes et la finalité du Data Mining (DM)
  • Identifier les principales techniques du DM et leur cas d'utilisation
  • Mettre en oeuvre les méthodes de scoring et de géomarketing sur un cas simple
  • Découvrir les méthodes prédictives et les méthodes descriptives du DM
  • Connaître les principales étapes d'un projet Data Mining.

Niveau requis

Avoir des connaissances sur l'aide à la décision, l'analyse décisionnelle et des notions en statistiques.

Public concerné

Chefs de projets, DSI, statisticiens et/ou gestionnaires de bases de données.

Programme

Introduction au système d'information décisionnel

  • Comprendre les principes du DM
  • Identifier les principales techniques du DM
  • Cycle de projet DM
  • Découvrir les méthodes prédictives et descriptives du DM
  • Connaître les principales étapes d'un projet DM

Introduction au DM

  • Définition du DM
  • Avantages du DM
  • Inconvénients du DM
  • La donnée (structure et cas d'usage)
  • Data Warehouse
  • DM et OLAP (Online Analytical Processing)

Data Mining Process

  • Que peut-on faire avec le DM ?
  • Types de jeux de données
  • Comment inventorier, décrire et classer les données ?
  • Comment concevoir et alimenter la base DM ?
  • Le processus de la fouille de données
    • Définition du problème
    • Collecte et préparation des données
    • Construction de modèles et évaluations
    • Déploiement des connaissances

Les outils du DM

  • Introduction aux outils d'exploration de données
  • Catégories d'outils d'exploration de données
  • Outils traditionnels d'exploration de données
  • Tableaux de bord
  • Outils d'exploration de texte
  • Autres applications et programmes

Les techniques du DM

  • Introduction aux techniques d'exploration de données
  • Réseaux de neurones artificiels
  • Arbres de décision
  • "Rule induction"
  • Algorithmes génétiques
  • Méthode du "plus proche voisin"
  • Approches de K-Means, K-Medoids et hiérarchiques
  • Avantages et inconvénients

Utilité et avenir du DM

  • Atelier et échange avec les participants

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Vous souhaitez suivre cette formation ?

Cette formation est disponible en présentiel ou en classe à distance, avec un programme et une qualité pédagogique identiques.

Choisissez la modalité souhaitée pour vous inscrire :

Modalité Présentiel, Classe à distance

Votre société a besoin d'une offre personnalisée ? Contactez-nous

Faites-nous part de votre projet de formation, nous sommes là pour vous guider.

Contactez-nous