Big data : introduction à la data science (r et hadoop)

Présentation de R

Exploration et analyse des données avec R

• Charger, interroger et manipuler des données avec R
• Nettoyer les données brutes avant la modélisation
• Réduire les dimensions avec l'analyse en composantes principales (ACP)
• Développer les fonctionnalités de R avec les packages définis par l'utilisateur

• Explorer les caractéristiques d'un ensemble de données à travers la visualisation
• Représenter graphiquement la distribution des données avec des boîtes à moustaches, des histogrammes et des diagrammes de densité
• Identifier les valeurs hors normes

Manipuler les ensembles volumineux et les données non structurées

Explorer les données non structurées pour les applications métier

• Traitement préliminaire et préparation des données non structurées pour une analyse plus approfondie
• Décrire un ensemble de documents avec une matrice termes-documents

• Examiner les architectures de MapReduce et Hadoop
• Intégrer R et Hadoop à RHadoop

Prédire les résultats avec des techniques de régression

Estimer les valeurs avec les règles de régression linéaire et logistique

• Modéliser la relation entre une variable de sortie et plusieurs variables d'entrée
• Interpréter correctement les coefficients des données continues et qualitatives

• Traiter les ensembles de données volumineux avec RHadoop
• Créer des modules de régression pour RHadoop

Classer les données par catégorie avec des règles de classification

Identification automatique de chaque nouvel élément de données

• Utiliser des arbres de décision pour prédire les valeurs cible
• Appliquer des règles de probabilité pour prédire les résultats avec le modèle Naive Bayes
• Combiner les variables de prédiction des arbres et les forêts aléatoires dans RHadoop

• Visualiser les performances des modèles avec une courbe ROC
• Évaluer les modèles de classification avec des matrices de confusion

Déceler des tendances dans un ensemble de données complexes avec le clustering et l'analyse des associations

Identifier des groupes encore inconnus dans un ensemble de données

• Segmenter le marché client avec l'algorithme K-Means
• Trouver des similarités avec les mesures des distances
• Créer des clusters en forme d'arbres et des mises en cluster hiérarchiques
• Mettre en cluster les tweets et les fichiers texte pour mieux les comprendre

• Identifier les connexions importantes avec l'analyse des réseaux sociaux
• Comprendre l'utilisation des résultats de l'analyse des réseaux sociaux à des fins marketing

Utiliser les données transactionnelles pour générer des recommandations et des règles d'association

Définir et évaluer des règles d'association

• Identifier les préférences réelles des clients à partir d'un ensemble de données transactionnelles pour améliorer l'expérience utilisateur
• Calculer les indices de support et de confiance et le lift pour différencier les bonnes règles des mauvaises