Aperçu du cours
Objectif de formation : Construire et évaluer des modèles à partir du langage R
Prérequis
- Responsables Infocentre, utilisateurs et gestionnaires métiers de bases de données
- Gestionnaires métiers de base de données
- Data Analysts
Fonctionnalités
- Appréhender le principe de la modélisation statistique
- Déterminer le modèle d'algorithme adapté entre la régression et la classification en fonction du type de données
- Mesurer les performances prédictives d'un algorithme
- Construire des sélections et des classements dans d'importants volumes de données pour déterminer des tendances
Public ciblé
- Fondamentaux solides en statistiques et en langage R
Détails
- 14 Sections
- 74 Lessons
- 28 heures
Expand all sectionsCollapse all sections
- Introduction : langage R4
- Introduction : langage R4
- Analyse en composantes6
- 3.1Analyse en Composantes Principales
- 3.2Analyse Factorielle des Correspondances
- 3.3Analyse des Correspondances Multiples
- 3.4Analyse Factorielle pour Données Mixtes
- 3.5Classification Hiérarchique sur Composantes Principales
- 3.6Travaux pratiques : Implémentation de la diminution du nombre des variables & identification des facteurs sous-jacents des dimensions associées à une variabilité importante
- Analyse en composantes6
- 4.1Analyse en Composantes Principales
- 4.2Analyse Factorielle des Correspondances
- 4.3Analyse des Correspondances Multiples
- 4.4Analyse Factorielle pour Données Mixtes
- 4.5Classification Hiérarchique sur Composantes Principales
- 4.6Travaux pratiques : Implémentation de la diminution du nombre des variables & identification des facteurs sous-jacents des dimensions associées à une variabilité importante
- Modélisation4
- Modélisation4
- Outils et techniques d'évaluation de modèles5
- 7.1Outils de ré-échantillonnage en jeu d’apprentissage, de validation et de test
- 7.2Test de représentativité des données d’apprentissage
- 7.3Évaluation de la performance des modèles prédictifs
- 7.4Matrice de confusion, de coût et la courbe ROC et AUC
- 7.5Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis implémentation des tests d’évaluations sur plusieurs modèles fournis
- Outils et techniques d'évaluation de modèles5
- 8.1Outils de ré-échantillonnage en jeu d’apprentissage, de validation et de test
- 8.2Test de représentativité des données d’apprentissage
- 8.3Évaluation de la performance des modèles prédictifs
- 8.4Matrice de confusion, de coût et la courbe ROC et AUC
- 8.5Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis implémentation des tests d’évaluations sur plusieurs modèles fournis
- Présentation des différents algorithmes non supervisés4
- Présentation des différents algorithmes non supervisés4
- Présentation des différents algorithmes supervisés7
- Présentation des différents algorithmes supervisés7
- Étude de données textuelles7
- Étude de données textuelles7
Instructeur
