Diplome d-Etablissement -Big Data et Statistique pour l-Ingenieur-
BORDEAUX INP
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.
Objectifs
- Maîtriser les outils de la statistique, du traitement des données et de l'Intelligence artificielle avec des applications concrètes.
- Sensibiliser aux problématiques et aux outils actuels et futur du Big data et de l'intelligence artificielle.
- Utiliser des méthodes et outils statistiques les ingénieurs de l'industrie, de la santé, des transports, des services ou de la défense, confrontés à des problèmes de traitement des données et à leur compréhension.
- Permettre la compréhension des domaines d'application de la statistique et du traitement des données.
- Mettre en œuvre les méthodes.
- Maîtriser les outils statistiques, pour des applications concrètes dans l'entreprise.
- Sensibiliser aux problématiques et aux outils actuels et futur du Big data et de l'intelligence artificielle.
- Utiliser des méthodes et outils statistiques les ingénieurs de l'industrie, de la santé, des transports, des services ou de la défense, confrontés à des problèmes de traitement des données et à leur compréhension.
- Permettre la compréhension des domaines d'application de la statistique et du traitement des données.
- Mettre en œuvre les méthodes.
- Maîtriser les outils statistiques, pour des applications concrètes dans l'entreprise.
Programme
Session 1 :
- Enjeux socio-économiques du Big Data.
- Introduction à la Statistique.
- Statistique descriptive univariée et bivariée.
- Initiation au logiciel statistique R.
Session 2 :
- Statistique inférentielle : estimateurs, intervalles de confiance et tests d'hypothèses paramétriques et non paramétriques.
- Illustration à l'aide du logiciel R.
Session 3 :
- Statistique multidimensionnelle : analyse en composantes principales, analyse factorielle des correspondances, analyse des données mixtes, analyse discriminante, classification automatique (clustering), classification de variables, réseaux de neurones.
- Illustration à l'aide du logiciel R.
Session 4 :
- Big Data : stockage de très grands volumes de données dans des architectures passant à l'échelle, calcul parallèle, méthodologie adaptée, etc.
- Mise en œuvre pratique.
Session 5 :
- Modélisation statistique : régression linéaire simple et régression linéaire multiple, analyse de la variance (ANOVA), analyse de la covariance (ANCOVA).
- Illustration à l'aide du logiciel R.
Session 6 :
- Modélisation statistique : forêts aléatoires, régression non paramétrique, régression semi paramétrique.
- Illustration à l'aide du logiciel R.
Session 7 :
- Etudes de cas.
- Deep learning.
- Analyse des données du web et gestion de la qualité des données.
- Enjeux socio-économiques du Big Data.
- Introduction à la Statistique.
- Statistique descriptive univariée et bivariée.
- Initiation au logiciel statistique R.
Session 2 :
- Statistique inférentielle : estimateurs, intervalles de confiance et tests d'hypothèses paramétriques et non paramétriques.
- Illustration à l'aide du logiciel R.
Session 3 :
- Statistique multidimensionnelle : analyse en composantes principales, analyse factorielle des correspondances, analyse des données mixtes, analyse discriminante, classification automatique (clustering), classification de variables, réseaux de neurones.
- Illustration à l'aide du logiciel R.
Session 4 :
- Big Data : stockage de très grands volumes de données dans des architectures passant à l'échelle, calcul parallèle, méthodologie adaptée, etc.
- Mise en œuvre pratique.
Session 5 :
- Modélisation statistique : régression linéaire simple et régression linéaire multiple, analyse de la variance (ANOVA), analyse de la covariance (ANCOVA).
- Illustration à l'aide du logiciel R.
Session 6 :
- Modélisation statistique : forêts aléatoires, régression non paramétrique, régression semi paramétrique.
- Illustration à l'aide du logiciel R.
Session 7 :
- Etudes de cas.
- Deep learning.
- Analyse des données du web et gestion de la qualité des données.
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
