Fouille de donnees

Réseau Formateurs

Non finançable CPF

Tout public

En ligne

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Étudiant

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.

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

DATA ANALYST | Titre RNCP niveau 7 Bac +5 | co-certifiée école MINES Paris

Avis du centre

DATASCIENTEST

Finançable CPF

À distance / En entreprise

Salarié en poste / Demandeur d'emploi / Entreprise

DATA ENGINEERING | Titre RNCP niveau 7 - Bac +5 | Co-certifiée école MINES Paris

Avis du centre

DATASCIENTEST

Finançable CPF

À distance / En entreprise

Salarié en poste / Demandeur d'emploi / Entreprise

Les formations les plus recherchées

Lyon Toulouse Marseille Montpellier Paris Bordeaux Dijon Mâcon Nantes Rennes Informatique CPF Informatique en Ligne

Fouille de donnees

DATA ANALYST | Titre RNCP niveau 7 Bac +5 | co-certifiée école MINES Paris

DATA ENGINEERING | Titre RNCP niveau 7 - Bac +5 | Co-certifiée école MINES Paris

Programmation en langage R Niveau 1 - Utilisateur - Analyse de données

DATA Engineer - Alternance - Titre RNCP Niveau 7

Data Management et Business Analytics - Master of Science

Machine Learning Engineering for Production (MLOps)

Les formations les plus recherchées