Plan du cours

Sources des méthodes

  • Intelligence artificielle
  • Apprentissage automatique
  • Statistics
  • Sources de données

Prétraitement des données

  • Importation/exportation de données
  • Exploration et visualisation des données
  • Réduction de la dimensionnalité
  • Traitement des valeurs manquantes
  • Packages R

Principales tâches du data mining

  • Analyse automatique ou semi-automatique de grandes quantités de données
  • Extraction de modèles intéressants jusqu'alors inconnus
    • groupes d'enregistrements de données (analyse de grappes)
    • enregistrements inhabituels (détection des anomalies)
    • dépendances (extraction de règles d'association)

Extraction de données

  • Détection d'anomalies (détection de valeurs aberrantes, de changements ou d'écarts)
  • Apprentissage de règles d'association (modélisation des dépendances)
  • Regroupement
  • Classification
  • Régression
  • Résumés
  • Extraction de motifs fréquents
  • Exploration de texte
  • Arbres de décision
  • Régression
  • Neural Networks
  • Exploration de séquences
  • Extraction de motifs fréquents

Dragage de données, pêche de données, fouinage de données

Pré requis

Bonne connaissance de R.

  14 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Nos Clients témoignent (1)

Cours Similaires

Catégories Similaires