Detection d-anomalies - Outlier detection

Data Value

Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
Nous contacter
Durée
Nous contacter
Niveau visé
Non diplômante
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
En savoir plus sur les localités en présentiel
Cette formation est disponible dans les centres de formation suivants:
  • 69 - Lyon 2e
Cette formation peut être dispensée dans votre entreprise dans les localités suivantes :
  • 01 - Ain
  • 03 - Allier
  • 07 - Ardèche
  • 15 - Cantal
  • 26 - Drôme
  • 38 - Isère
  • 42 - Loire
  • 43 - Haute-Loire
  • 63 - Puy-de-Dôme
  • 69 - Rhône
  • 73 - Savoie
  • 74 - Haute-Savoie
Objectifs
Approfondir la connaissance de la détection d'anomalies dans un contexte de données numériques et/ou fonctionnelles à l'aide de méthodes principalement non-supervisées
Programme
Introduction

  • Qu'est-ce qu'une anomalie ? une valeur influente ? une valeur extrême ?

  • Les différentes motivations à la détection d'anomalies

  • La notion de robustesse
Les méthodes univariées


  • La règle du k-sigma et test de Grubbs

  • Règles du boxplot

  • Tests en fonction de la distribution
Les méthodes multivariées - généralités


  • Les grandes approches dans la détection d'anomalies

  • Évaluation des méthodes

    • Caractéristiques souhaitées

    • Métriques

    • Contributeurs ou signature des défauts


Les méthodes multivariées basées sur un modèle probabiliste


  • T2 de Hotelling, la distance de Mahalanobis et sa version robuste

  • Notion de profondeur et notion d'angles
Les méthodes multivariées basées sur la détermination d'un sous-espace


  • L'ACP et sa version robuste

  • Les réseaux de neurones
Les méthodes multivariées basées sur la notion de proximité


  • La classification non supervisée

  • Le LOF basé sur la densité
Les méthodes pour des données fonctionnelles


  • Introduction au contexte de données fonctionnelles

  • L'analyse de données fonctionnelles

    • Méthode de lissage

      • Spline cubique

      • Polynômes locaux



    • Réduction de dimension

      • Grandeurs statistiques (moyenne…)

      • Décomposition en coefficients d'ondelettes





  • Méthodes de détection d'anomalies dans un contexte univarié

  • Méthodes de détection d'anomalies dans un contexte multivarié
Les méthodes pour des données en HDLSS (grande dimension, faible taille d'échantillonnage)


  • Présentation des challenges induits par ce contexte

  • Les principales méthodes

Envie d’en savoir plus sur cette formation ?

Documentez-vous sur la formation

Ces formations peuvent vous intéresser

Créer et gérer son site web avec WordPress

Sur mesure (conseillée entre 5 et 10 semaines)
À distance
1730 Finançable CPF
Salarié en poste • Demandeur d'emploi • Entreprise

Chef de projet CRM

LYON 8E
6 mois
En centre
Nous contacter Non finançable CPF
Demandeur d'emploi

Java - Les fondamentaux

LE HAILLAN
28h en présentiel ou à distance
À distance • En centre • En entreprise
1800 Non finançable CPF
Entreprise

Les formations les plus recherchées

Lyon Toulouse Marseille Montpellier Paris Bordeaux Dijon Mâcon Nantes Rennes Informatique CPF Informatique en Ligne
Cobol Cobol CPF Cobol en Ligne Developpeur informatique Codage Developpeur web Intelligence artificielle Machine learning Vba Technicien informatique Technicien support informatique Growth hacking Administrateur systeme Cobol Paris Codage Paris Developpeur informatique Nantes Developpeur web Villiers-le-Bel Developpeur web Paris Developpeur informatique Angers Codage Évry-Courcouronnes Cobol Évry-Courcouronnes Cobol Mantes-la-Ville Codage Mantes-la-Ville

Quelle est votre situation ?

Vous êtes ?

Veuillez choisir un lieu

Please fill out this field.

Please fill out this field.

Veuillez sélectionner un niveau de formation

Informez-vous gratuitement et sans engagement sur la formation.

Please fill out this field.

Please fill out this field.

Please fill out this field.

Veuillez saisir une adresse email

  • Vous voulez dire ?
  • ou plutôt ?

En cliquant sur "J'envoie ma demande", vous acceptez les CGU et déclarez avoir pris connaissance de la politique de protection des données du site maformation.fr
Haut de page