Description
Objectif général de la formation : Acquérir une maîtrise pratique des concepts et méthodes de Data Mining pour résoudre des problématiques spécifiques, utiliser des outils adaptés et restituer les résultats de manière claire et impactante. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Application (A) Compétences visées : Comprendre l'intérêt de l’approche Data Mining Traduire une problématique en objectifs mesurables et y répondre Appliquer les principales méthodes de Data Mining Identifier et utiliser les outils adaptés au Data Mining Restituer efficacement les résultats obtenus
Objectifs pédagogiques
- Identifier les avantages de l’approche Data Mining pour analyser de grands volumes de données.
- Utiliser les méthodes clés du Data Mining (classification, clustering, prédiction).
- Sélectionner et manipuler les outils adaptés à des problématiques spécifiques.
- Élaborer une démarche méthodique pour résoudre une problématique de Data Mining.
- Restituer les résultats de manière structurée et impactante.
Public concerné
Prérequis
Déroulé du programme
Jour 1 : Introduction au Data Mining et exploration des données (6 heures)
- Découvrir l’approche Data Mining (1 heure)
Définir le Data Mining et ses applications pratiques
Comprendre les étapes clés d’un projet de Data Mining
Identifier les limites et défis liés au Data Mining
- Préparation et exploration des données (2 heures)
Nettoyage, structuration et prétraitement des données
Détection des valeurs manquantes et aberrantes
Travaux pratiques : Préparer un jeu de données pour une analyse
- Méthodes d’exploration des données (3 heures)
Analyse descriptive et visualisation des données
Identifier des tendances et anomalies
Travaux pratiques : Explorer un jeu de données à l’aide d’outils (Excel ou R)
Jour 2 : Méthodes de Data Mining (6 heures)
- Introduction aux principales méthodes de Data Mining (2 heures)
Classification : arbres de décision, régressions
Clustering : k-means, méthodes hiérarchiques
Prédiction : modèles linéaires et non-linéaires
Travaux pratiques : Appliquer un modèle de classification sur des données
- Sélection et utilisation des outils (2 heures)
Présentation des outils populaires : R, Python (scikit-learn), RapidMiner
Comparaison des avantages et cas d’usage
Travaux pratiques : Charger et analyser des données avec R ou Python
- Résolution d’une problématique spécifique (2 heures)
Identifier les objectifs d’une problématique donnée
Choisir les méthodes et outils adaptés
Travaux pratiques : Résoudre une problématique donnée avec un jeu de données
Jour 3 : Validation et restitution des résultats (6 heures)
- Validation des modèles de Data Mining (2 heures)
Évaluation des performances des modèles : précision, rappel, F1-score
Techniques de validation croisée
Travaux pratiques : Comparer deux modèles pour une problématique donnée
- Restitution des résultats (2 heures)
Structurer un rapport de restitution
Présenter des résultats avec des visualisations claires et pertinentes
Travaux pratiques : Préparer une présentation de résultats pour un public non technique
- Synthèse et mise en pratique (2 heures)
Mise en situation complète : projet synthétique de Data Mining
Résolution de bout en bout : exploration, modélisation et restitution
Travaux pratiques : Réaliser un projet complet en binôme
Informations
Durée
3 jour(s)
18h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande