Seenovate

Centre de formation pour l’Excellence de la Business Intelligence

Formation

Exploration multidimensionnelle & Data Mining

Z

Pré-requis

Bonne connaissance des outils stats de base :corrélation, écart-type, intervalle de confiance, tests d'hypothèses, régression linéaire
g

Niveau

Confirmé

Durée

4 jours(s)

Public

Tout public

La formation en quelques mots

Cette formation s'adresse à des personnes souhaitant maîtriser les concepts et la mise en œuvre des méthodes d’analyses multidimensionnelles. Ces analyses ont pour objectif d’extraire des informations de données

- volumineuses en nombre de variables,
- volumineuses en nombre d'individus,
- non structurées,
- comportant des variables redondantes (confusions entre variables),
- …

La formation conviendra tout à fait à un public venant chercher du savoir statistique sur :

- Les concepts des différentes méthodes de statistique exploratoire multidimensionnelle
- Les contextes d’application de chaque méthode
- Les fondements mathématiques (méthodologiques) de ces analyses
- La mise en œuvre et l’interprétation des résultats des différentes méthodes
- La compréhension et la mise en œuvre des méthodes d’analyse multidimensionnelle dans un contexte de petits échantillons (« petit » nombre d’individus, « grand » nombre de variables)

Programme simplifié de la formation

Contactez-nous pour plus d’informations sur le programme pédagogique.

Objectifs pédagogiques

A l’issue de cette formation, l’apprenant sera capable de : 

  • Identifier quelle méthode d’analyse multivariée ou de classification utiliser selon le contexte 
  • Décrire les concepts mathématiques inhérents à ces méthodes 
  • Mettre en œuvre les analyses suivantes : ACP, AFC, AFCM, CAH, K-means AFD, PLS-DA 
  • Interpréter les résultats et les graphiques qui découlent des analyses ci-dessus 
  • Maitriser les coefficients et les paramètres permettant d’estimer la qualité des analyses statistiques ci-dessus 
  • Expliquer la différence entre les notions de contribution et de cosinus carré  
  • Identifier les contextes d’utilisation des différentes versions de la régression PLS 
  • Décrire simplement les concepts mathématiques inhérents à la régression PLS 

Demandez à être recontacté(e)

    Pin It on Pinterest