Analyse de Données Multidimensionnelles



Analyse exploratoire multidimensionnelle
(-)


Analyse de Données
Apprendre les méthodes statistiques d'analyse de données pour l'exploration, la description et la classification de données multidimensionnelles quantitatives et qualitatives.


Modélisation et Prévision
(-)


Régression multiple
Utiliser les méthodes de régression multiple pour expliquer les variations d’une réponse quantitative, valider les modèles construits, utiliser ces modèles pour réaliser des prévisions.
Modèle linéaire généralisé (GLM)
Etude des principaux modèles relevant du Modèle Linéaire Généralisé et permettant d'évaluer les effets d'une ou plusieurs variables explicatives sur une variable réponse qualitative.
Modéliser une variable qualitative
Modéliser une variable qualitative (défaillance / non défaillance, client actif / occasionnel / passif, appartenance à un groupe A/B/C ...) nécessite des méthodes adaptées. Différentes méthodes sont présentées : Analyse Factorielle Discriminante, Scoring, Régression logistique, Réseaux de neurones, Segmentation par arbre binaire.
Séries Chronologiques
Savoir choisir la méthode d'analyse adaptée à la nature des données, effectuer des prévisions à l'aide des différents types de modélisation pour les mettre en pratique dans un contexte professionnel


Méthodes PLS
(-)


Méthodes PLS avec SIMCA
Décrire la structure ou modéliser des relations de causes à effets de tableaux « observations x variables » en particulier lorsque le nombre de variables est très important, éventuellement plus important que le nombre d'observations, ou que le tableau comporte de nombreuses valeurs manquantes.
Méthodes PLS - Analyse de données omics avec SIMCA
Les phénomènes biologiques sont multivariés par nature et les données générées par les technologies Omics sont généralement volumineuses et complexes. Dans ce contexte, les méthodes d'analyse multivariée sont particulièrement adaptées pour extraire l'information pertinente de ces grands ensembles de données. Cette formation présente la mise en œuvre des techniques d'analyse multivariée les plus récentes dans le cadre de l'analyse de données transcriptomiques, protéomiques et métabolomiques. L'élaboration et l'interprétation de modèles exploratoires (descriptifs) et discriminants (prédictifs) seront abordées, ainsi que la recherche de biomarqueurs et la validation des modèles (validité et robustesse).
Méthodes PLS - Analyse de spectres avec SIMCA
Savoir mettre en œuvre les méthodes multivariées adaptées aux données spectrales : les différents choix pour le filtrage, ACP et méthodes PLS, méthodes de validation.
Méthodes PLS - Contrôle des procédés par lots avec SIMCA
Utiliser les méthodes PLS dans SIMCA pour le contrôle des procédés par lots.


Data Mining
(-)


Data Mining
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 seront détaillées ainsi que les méthodes de validation des résultats obtenus.
Text Mining
Découvrir les méthodes de Text Mining permettant d’extraire des connaissances à partir de textes, souvent disponibles en grande quantité mais trop peu exploités, pour observer la réalité, connaître les opinions et les tendances, détecter les innovations, prévoir les demandes pour ainsi prendre des décisions pertinentes et adaptées à la réalité et à son évolution.


Analyse sensorielle
(-)


Analyse de données sensorielles
Acquérir une connaissance et une pratique des principales méthodes statistiques utilisées dans le domaine de l'analyse sensorielle. Une attention toute particulière est portée sur les aspects méthodologiques rencontrés par les praticiens de l'analyse sensorielle : recueil des données, choix de la ou des méthode(s) statistique(s) appropriée(s) en vue de leur analyse, mise en œuvre informatique, interprétation des résultats.


Pour plus de renseignements, contactez :

- Tél : +33 (0) 1 72 92 05 58