Entreposage et fouille de données

Contenu

Modèles prévisionnels et systèmes de gestion de l'entreprise
- structures spécifiques des bases de données de Data warehouse (star schema)
- OLAP
Méthodologies générales
- Méthodologies de Data Mining
Pré-traitement des données
- Analyses de la qualité des données,
- Techniques d'appréhension des valeurs manquantes ou aberrantes
- Techniques de construction de bases de travail (agrégations, etc. . . )
Données et techniques de fouille
Méthodes non supervisées :
- Cartes de Kohonen, Règles d'association
Méthodes supervisées :
- Rappels de théorie de l'apprentissage
- Arbres de décision, forêts aléatoires, SVM, Réseaux de neurones, deep learning
- Méta-algorithmes :
- boosting, bagging
Fouille dans de nouveaux types de données et méthodes associées :
- Données textuelles - Données multivues - Images et Multimedia
Outils :
- Environnements freeware : Weka, Tanagra, R, Python
- Outils spécifiques : SAS-EM, SPAD
- Data Mining et bases de données : OLAP Business Object

Bibliographie

• M.BARDOS : Analyse discriminante (Dunod, 2001)
• G.SAPORTA : Probabilités, analyse des données et statistique (Technip, 2006)
• S.TUFFERY : Data mining et statistique décisionnelle (Technip, 2005)
• S.TUFFERY : Etude de cas en statistique décisionnelle (Technip, 2009)
• T.HASTIE, J.FRIEDMAN, F.TIBSHIRANI : Elements of Statistical Learning (Springer, 2009)
• G.GOVAERT (ed) : Analyse des données (Hermes,2003)
• L. LEBART, A. MORINEAU, M. PIRON : Statistique exploratoire multidimensionnelle (1995)
• J.P.NAKACHE, J.CONFAIS : Statistique explicative appliquée (Technip, 2003)
• James, Witten, Hastie, & Tibshirani : An Introduction to Statistical Learning (2013) Téléchargeable ici: