Data Mining – Introduction
Formation
A distance
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Description
-
Typologie
Formation
-
Méthodologie
A distance
-
Dates de début
Dates au choix
La formation Data Mining – Introduction vous permettra de d’extraire des connaissances à partir de données brutes. Ces données représentent des volumes de plus en plus importants et font partie intégrante du patrimoine de l’entreprise. Comment exploiter au mieux ce gisement ? Quelles techniques utiliser pour identifier les corrélations pertinentes entre les données ? Comment gérer un projet de cette nature ? Ce séminaire, qui allie principes théoriques et expériences pratiques, vous propose une synthèse claire et précise sur le Data Mining, ses applications, ses apports pour l’entreprise, ainsi que sur les méthodes et outils les plus utilisés.
Les sites et dates disponibles
Lieu
Date de début
Date de début
Les Avis
Les matières
- Méthodologie
- Analyse de résultats
- Data mining
Le programme
Fondamentaux du Système d’information Décisionnel (SID)
- Les enjeux du SID
- Architecture type d’un SID, état de l’art en matière d’architectures décisionnelles
- Les différentes couches du SID
- Élaboration des informations décisionnelles, présentation
- Conception d’un SID
- Panorama des outils décisionnels
- Définition et finalité du Data Mining
- Lien entre le DM et les statistiques
- Différence entre le DM et OLAP
- Historique du DM et travaux de recherche
- Les attentes des entreprises, les réponses du DM
- Différentes familles du DM
- Méthodes prédictives et les méthodes descriptives
- L’analyse factorielle, l’analyse typologique, la classification ou clustering, la détection de liens
- Les arbres de décisions, les réseaux de neurones, les modèles paramétriques
- Classification des techniques de DM
- Définition et méthodologie
- Critères pour structurer les données à classer
- Utilisation de variables
- Évaluation et validation des classes obtenues
- Sous famille du clustering
- Exemple d’application du clustering
- Définition
- Domaines d’activité / type de problèmes / finalité
- Catégories de Scoring (appétence, risque, octroi)
- Méthodologie de Scoring
- Cas pratique de Scoring
- Domaines d’application
- Cas pratique de géomarketing
- -Problématique des données du SI
- Types de données
- Qualité des données et administration des données
- Processus de collecte et d’exploration
- Création d’agrégats et de nouvelles données
- Transformation des données
- Définition du problème métier à résoudre et des objectifs à atteindre
- Inventaire, description et classement des données
- Conception et alimentation de la base Data Mining
- Exploration, segmentation des entités analysées
- Établissement du ou des modèles d’analyse
- Application des modèles et validation des résultats
- Itérations, déploiement auprès des utilisateurs (formation, accompagnement du changement...)
- Maintenance du modèle et logiciel associé
- Les principaux outils : SAS, R, IBM SPSS, Oracle Data Mining, SQL Server DM...
- Quels critères de choix pour ce type d’outils ?
Avez-vous besoin d'un coach de formation?
Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.
Data Mining – Introduction