Concevoir une Solution de Data Mining avec les Technologies Microsoft

Bewise

Formation

En présentiel

Prix sur demande

Avez-vous besoin d'un coach de formation?

Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.

Les meilleurs cours en Business Intelligence

Afficher tout

Afficher tout

Description

  • Typologie

    Formation

  • Dirigé à

    Pour professionnels

  • Lieu

    Toulouse

Objectifs: Le data mining utilise le contenu des bases de données pour déduire l'information stratégique que cherche à deviner » l'entreprise: le potentiel économique d'un prospect, ses goûts, ses achats types; les risques de défaillance d'un matériel, d'un client; les causes d'un évènement, d'un état. Destinataires: Ce cours s'adresse aux concepteurs, architectes, chefs de projet et développeurs chargés d'identifier et d'exploiter l'information utile enfouie dans les bases de données de l'entreprise. Les applications du data mining couvrent notamment les domaines de la relation client, du marketing, de la finance, et des sciences de la vie.

Précisions importantes

Modalité Formation continue

Les sites et dates disponibles

Lieu

Date de début

Toulouse ((31) Haute-Garonne)
Voir plan
1 Avenue de l'Europe - Campus 1, Bât. F,, 31400

Date de début

Consulter

Date de début

Consulter

À propos de cette formation

* Connaissance des bases de données relationnelles et du langage SQL. * Familiarité avec les environnements de développement Microsoft .Net ou SQL Server 2005.

Questions / Réponses

Ajoutez votre question

Nos conseillers et autres utilisateurs pourront vous répondre

À qui souhaitez-vous addresser votre question?

Saisissez vos coordonnées pour recevoir une réponse

Nous ne publierons que votre nom et votre question

Les Avis

Le programme

Objectifs :

Le data mining utilise le contenu des bases de données pour déduire l'information stratégique que cherche à « deviner » l'entreprise : le potentiel économique d'un prospect, ses goûts, ses achats types; les risques de défaillance d'un matériel, d'un client; les causes d'un évènement, d'un état...
Nouveautés majeures de SQL 2005, les moteurs d'intelligence artificielle réalisant l'analyse prédictive, deviennent accessibles au moyen de simples requêtes SQL.
Ce cours présente les enjeux, la démarche, l'architecture et la mise en OEuvre du data mining en environnement Microsoft.
Enjeux et positionnement du data mining
  1. origines et objectifs du data mining
  2. exemples d'utilisation
  3. démarche théorique et pratique
  4. comparaison avec l'approche OLAP
  5. comparaison avec l'approche statistique
Présentation de l'offre Microsoft
  1. positionnement de l'offre data mining Microsoft
  2. structure technique de l'offre data mining Microsoft
  3. présentation des outils data mining de SQL BI Development Studio
Présentation des études de cas
  1. objectifs, typologie des données en entrée, données en sortie
  2. démarche générale
  3. définition d'une « mining structure »
Réaliser une segmentation avec Microsoft Clustering
  1. comprendre la segmentation par clustering
  2. définir le « mining model » depuis BI Dev. Studio
  3. réaliser la segmentation
  4. utiliser Microsoft Cluster Viewer
  5. interpréter les résultats et les paramètres de Microsoft Clustering
  6. intérêt d'une segmentation comme but en soit ou comme préalable à l'analyse prédictive
Réaliser une analyse prédictive avec Microsoft Decision Trees
  1. comprendre les arbres de décisions
  2. avantages et inconvénients
  3. définir et instruire le « mining model » depuis BI Dev. Studio
  4. utiliser Microsoft Tree Viewer
  5. réaliser l'analyse prédictive sur les données cibles
  6. évaluer les résultats
  7. introduction au sur-apprentissage (overfitting)
  8. comprendre l'impact du paramétrage
Réaliser une analyse prédictive avec Microsoft Neural Network
  1. présentation des réseaux de neurones
  2. avantages et inconvénients
  3. définir le « mining model » depuis BI Dev. Studio
  4. réaliser l'apprentissage et l'analyse prédictive
  5. interpréter les résultats
  6. comprendre l'impact du paramétrage
  7. piloter l'exécution de l'analyse prédictive
Réaliser une analyse prédictive avec Microsoft Naïve Bayes
  1. présentation des réseaux bayésiens
  2. avantages et inconvénients
  3. réaliser l'apprentissage du modèle depuis BI Dev. Studio
  4. présentation de Microsoft Naive Bayes Viewer
  5. réaliser l'apprentissage et l'analyse prédictive
  6. interpréter les résultats
  7. limites et extensions du modèle
  8. déployer un modèle d'analyse
Réaliser une analyse prédictive avec Microsoft Time Series
  1. objectifs, exemples et paramètres
Réaliser une analyse prédictive avec Microsoft Sequence Clustering
  1. prédire la prochaine page visitée, le prochain achat...
  2. exemples et paramètres
Analyse prédictive et ventes croisées avec Microsoft Association
  1. principes d'une « analyse de ticket de caisse »
  2. niveaux de support et de confiance
  3. présentation des principaux paramètres
  4. types de requêtes (inclusive, exclusive, input_only, top count...)
  5. exemples de requêtes courantes
  6. comparaison aux autres moyens de favoriser les ventes croisées
Autres formes courantes d'analyse prédictive
  1. algorithmes « memory based » (plus proche voisin)
  2. filtrage collaboratif
  3. analyse de liens (link analysis)
  4. text mining
Optimiser et valider les résultats du data mining
  1. sélection, transformation et enrichissement et des attributs
  2. évaluation des résultats : éviter les pièges classiques !
  3. des données pour...apprendre, paramétrer, évaluer ou exploiter ?
  4. sur-apprentissage, compromis précision/généralisation
  5. problèmes génériques rencontrés lors du paramétrage
  6. descente de gradient, recuit simulé, algorithmes génétique
  7. pratique et limite des lift charts
  8. faux positifs, faux négatifs : intégrer le coût économique d'une erreur
  9. validations croisées : 3-fold validation, stratified n-fold validation,...
  10. estimateurs « leave one out » et bootstrap
  11. comparer deux estimateurs sur un même échantillon
Extension et interopérabilité des technologies de data mining Microsoft
  1. couplage avec Microsoft Integration Services
  2. couplage avec une base OLAP
  3. recommandations Crisp-DM, XML for Analysis et PMML
  4. OLE DB for Data Mining
  5. ajouter des algorithmes d'autres éditeurs dans l'environnement Microsoft
  6. ajouter ou développer des plug-in de visualisation
Langages, protocoles et API pour automatiser et piloter la démarche
  1. le langage DMX : l'extension Data Mining du SQL
  2. perspectives pour le programmeur et l'administrateur système
  3. automatiser la création d'une structure d'accueil (mining structure) avec DMX
  4. automatiser la création d'un modèle d'analyse (mining model) avec DMX
  5. automatiser l'apprentissage d'un mining model avec DMX
  6. automatiser l'analyse prédictive et la segmentation avec DMX
  7. structure détaillée des requêtes OLE DB for Data Mining
  8. exemples de requêtes avancées
  9. interopérabilité et interrogation distante avec XMLA

Catégories liées

  • Cours data mining
  • Cours data guard
  • Cours microsoft frontpage
  • Cours microsoft project
  • Cours certification microsoft
  • Cours microsoft office excel
  • Cours microsoft office word 2007
  • Cours telecharger certification microsoft
  • Cours Business Intelligence
  • Cours Business Intelligence a distance
  • Formation a distance
  • Formations Bewise

Avez-vous besoin d'un coach de formation?

Il vous aidera à comparer différents cours et à trouver la solution la plus abordable.

Concevoir une Solution de Data Mining avec les Technologies Microsoft

Prix sur demande

Les meilleurs cours en Business Intelligence

Afficher tout

Afficher tout