Fouille de donnees

Réseau Formateurs

Non finançable CPF
Tout public
En ligne
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
Nous contacter
Durée
Nous contacter
Localité
En ligne
Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.
En savoir plus sur les localités en présentiel
Objectifs

  • S'initier aux fondements de la Fouille de Données

  • Découvrir les techniques de classification

  • Analyser le Clustering

  • Analyser l'Association et des Séquences

  • Découvrir les techniques avancées en Data Mining

  • Découvrir les applications spécialisées et études de cas
Programme
S'initier aux fondements de la Fouille de Données

  • Introduire les concepts de base de la fouille de données

  • Préparer les types de données pour l'analyse

  • Utiliser des méthodes de prétraitement : nettoyage, réduction de dimension, normalisation

  • Sélectionner des caractéristiques pour une meilleure performance

  • Évaluer les performances : précision, rappel, F-mesure

  • Utiliser des bibliothèques et des outils de fouille de données

Découvrir les techniques de classification


  • Maîtriser l'apprentissage supervisé et non supervisé en classification

  • Exploiter des algorithmes de classification : Arbres de décision, k-plus proches voisins, SVM, réseaux de neurones

  • Appliquer des techniques d'ensemble : Forêts aléatoires, Boosting, Bagging

  • Traiter les données déséquilibrées en classification

  • Optimiser les hyperparamètres pour des modèles de classification performants

  • Analyser des études de cas en classification avec des données réelles

Analyser le Clustering


  • Comprendre les concepts fondamentaux du clustering et du partitionnement de données

  • Utiliser des algorithmes de clustering : K-Means, DBSCAN, Agglomératif, Mean Shift

  • Valider et évaluer les clusters : indice de silhouette, critère d'Elbow

  • Sélectionner le nombre optimal de clusters avec des techniques spécifiques

  • Utiliser des techniques de visualisation pour l'analyse de clusters

  • Examiner des études de cas en clustering avec des données multidimensionnelles

Analyser l'Association et des Séquences


  • Extraire des règles d'association et d'items fréquents

  • Appliquer l'algorithme Apriori et FP-Growth

  • Explorer l'analyse de séquences : modèles de Markov cachés, GSP

  • Appliquer l'analyse de l'association dans le marketing et la recommandation

  • Analyser des études de cas en analyse de l'association et des séquences

Découvrir les techniques avancées en Data Mining


  • Utiliser l'analyse en composantes principales (PCA) pour la réduction de dimension

  • Calculer la similarité et la dissimilarité entre données

  • Explorer les données textuelles et réaliser une analyse de sentiments

  • Exploiter les techniques d'apprentissage non supervisé : réduction de dimension non linéaire, clustering hiérarchique spectral

  • Maîtriser les méthodes d'ensemencement en apprentissage non supervisé

  • Analyser des études de cas sur des données hétérogènes et complexes

Découvrir les applications spécialisées et études de cas


  • Détecter des anomalies : utiliser des méthodes statistiques et basées sur les modèles

  • Explorer la fouille de données temporelles et les séries chronologiques

  • Appliquer la fouille de données en bioinformatique, finance, santé, etc.

Envie d’en savoir plus sur cette formation ?

Documentez-vous sur la formation

Ces formations peuvent vous intéresser

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