Analyse des donnees - methodes exploratoires -ACP- AFC- classification
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
1980 €
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs
Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, Classification) afin de mettre en évidence les liaisons entre paramètres, les similitudes et différences entre observations. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants
Compétences visées
- Consolider les prérequis en statistiques et représentations visuelles
- Elaborer un panorama des méthodes d'Analyse de Données Multidimensionnelles
- Mettre en oeuvre l'Analyse en Composantes Principales (ACP) afin de simplifier les données pour en faciliter la visualisation, de détecter des structures sous-jacentes, d'identifier les variables les plus influentes, de réduire la multicolinéarité
- Mettre en oeuvre l'Analyse Factorielle des Correspondances (AFC) pour analyser des tableaux de fréquences, visualiser des associations entre différentes catégories de variables, comparer des profils de catégories.
- Mettre en oeuvre l'Analyse Factorielle des Correspondances Multiples (ACM) pour explorer et visualiser des relations complexes dans des données qualitatives multiples, identifier des associations entre différentes catégories
- Mettre en oeuvre la Classification pour regrouper des observations en classes ou segments homogènes.
- Comprendre la complémentarité des méthodes
- Disposer d'un panorama des logiciels
Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, Classification) afin de mettre en évidence les liaisons entre paramètres, les similitudes et différences entre observations. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants
Compétences visées
- Consolider les prérequis en statistiques et représentations visuelles
- Elaborer un panorama des méthodes d'Analyse de Données Multidimensionnelles
- Mettre en oeuvre l'Analyse en Composantes Principales (ACP) afin de simplifier les données pour en faciliter la visualisation, de détecter des structures sous-jacentes, d'identifier les variables les plus influentes, de réduire la multicolinéarité
- Mettre en oeuvre l'Analyse Factorielle des Correspondances (AFC) pour analyser des tableaux de fréquences, visualiser des associations entre différentes catégories de variables, comparer des profils de catégories.
- Mettre en oeuvre l'Analyse Factorielle des Correspondances Multiples (ACM) pour explorer et visualiser des relations complexes dans des données qualitatives multiples, identifier des associations entre différentes catégories
- Mettre en oeuvre la Classification pour regrouper des observations en classes ou segments homogènes.
- Comprendre la complémentarité des méthodes
- Disposer d'un panorama des logiciels
Programme
- Rappels de notions utiles
Notions de statistique
Panorama des méthodes
Quelques rappels pour les visualisations
Tronc commun des concepts
- Analyse en composantes principales (ACP)
Représentations approchées optimales
Interprétation des axes factoriels
Variables actives et illustratives
- Analyse Factorielle des Correspondances (AFC)
Tableaux de fréquences
Comparaisons de profils et distances
Représentation des lignes et des colonnes
Points supplémentaires
- Analyse Factorielle des Correspondances Multiples (ACM)
Type de données concernées
Transformation des données : le tableau disjonctif complet
Les variables actives et illustratives : le « thémascope »
Les représentations graphiques et les indicateurs d'aide à l'analyse
Analyses et interprétations
- Méthodes de classification
Méthodes hiérarchiques
Méthodes des centres mobiles
Classifications mixtes
Affectation des individus à des classes
Typologies et description des classes obtenues
- Complémentarité des méthodes
- Panorama des logiciels
Notions de statistique
Panorama des méthodes
Quelques rappels pour les visualisations
Tronc commun des concepts
- Analyse en composantes principales (ACP)
Représentations approchées optimales
Interprétation des axes factoriels
Variables actives et illustratives
- Analyse Factorielle des Correspondances (AFC)
Tableaux de fréquences
Comparaisons de profils et distances
Représentation des lignes et des colonnes
Points supplémentaires
- Analyse Factorielle des Correspondances Multiples (ACM)
Type de données concernées
Transformation des données : le tableau disjonctif complet
Les variables actives et illustratives : le « thémascope »
Les représentations graphiques et les indicateurs d'aide à l'analyse
Analyses et interprétations
- Méthodes de classification
Méthodes hiérarchiques
Méthodes des centres mobiles
Classifications mixtes
Affectation des individus à des classes
Typologies et description des classes obtenues
- Complémentarité des méthodes
- Panorama des logiciels
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser

Formation au métier de Data Analyst (Power BI, SQL, certification...
LILLE, GRENOBLE, MARSEILLE ET 11 AUTRE(S) LOCALITÉ(S)
Offre spéciale
Avis du centre
Les formations les plus recherchées
Lyon
Toulouse
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Audit CPF
Audit en Ligne
Analyste de donnees
Analyste de donnees CPF
Analyste de donnees en Ligne
Statisticien
Power bi
Qlikview
Data scientist
Big data
Business intelligence
Analyste de donnees Paris
Big data Paris
Business intelligence Paris
Data scientist Paris
Power bi Paris
Qlikview Paris
Statisticien Paris
Statisticien Paris 1er
Qlikview Évry-Courcouronnes
Power bi Évry-Courcouronnes