Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants


Compétences visées

- Construire un arbre de décision en choisissant des critères pertinents de segmentation

- Connaître l'intérêt des règles d'association et savoir les utiliser sur des données volumineuses

- Savoir mener une modélisation de type régression multiple et en interpréter les résultats

- Mettre en œuvre une analyse discriminante, en mesurer la qualité des paramètres et fournir des probabilités d'appartenance à un groupe

- Disposer d'un comparatif des méthodes avec leur propriété, qualité et conditions d'application

- Utiliser les réseaux de neurones pour résoudre les problématiques de classification