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
