Datamining (F-dat-00)
     

Le Data mining est l’art d’extraire de l’information utile à partir de données volumineuses, changeantes, non structurées. Ce stage présente les différentes facettes du concept et fournit un panorama des méthodes regroupées sous ce terme : méthodes plutôt statistiques (analyse discriminante, régression…) et méthodes plutôt « informatiques » (arbres de décision, réseaux de neurones, … ).

Informations Public : 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, etc.). Pré-requis : Le stage s’appuie sur les notions de statistique élémentaire et suppose une culture scientifique générale. Méthode : Pédagogie active mettant souvent les participants en situation devant des problèmes concrets et appelant les méthodes d’analyses présentées. On évite de s’appesantir sur les aspects techniques pour privilégier l’analyse critique, le domaine d’application et les conditions d’utilisation des méthodes. Formateur : Alain Morineau		Durée : 2 jour(s) Prochaine(s) session(s) : Lieu Du Au Paris 28/06/2012 29/06/2012 Paris 06/12/2012 07/12/2012 Frais d'inscription : - Inter-entreprises : Prix unitaire par stagiaire(s) inscrit(s) 1 inscrit 2 inscrits 3 inscrits et + 1200€ HT 1000€ HT 800€ HT - Intra-entreprise : Nous consulter
Programme - Définitions du Data mining Le contexte du Data mining : volume des données, nature des problèmes, mélange des disciplines L’histoire récente - Le processus Data mining Les étapes du “Knowledge Discovery in Databases” (KDD) Extraction, prétraitements et nettoyage Analyses exploratoires Visualisations Modélisation Analyse des résultats Intégration - Méthodes d’exploration graphique Les analyses factorielles : composantes principales, correspondances simples et multiples Les algorithmes de classification : arbres et centres mobiles Les graphiques de Bertin - Les réseaux de neurones Principes des réseaux de neurones (perceptron) Techniques de calculs Applications à la résolution de nombreux problèmes dont la discrimination et la régression Forces et faiblesses de l’approche - Les arbres de segmentation Principe des arbres Les principaux algorithmes Validation et élagage d’un arbre Quelques exemples d’applications - Les règles d’association Principes et types d’application Notion de support et de confiance Algorithmes de recherche des règles Quelques critères pour la sélection des règles pertinentes. Exemples - Le Text mining Principe et méthodes du Text mining Techniques factorielles, typologies et lexicométrie Quelques applications : documents, messages électroniques, Internet… - Les principaux logiciels - Bilan