Le Big Data Analytics suppose la maîtrise de techniques fondamentales de traitement des données : méthodes statistiques, classifications, régressions, ACP… Ce stage pratique vous montrera, à partir de données concrètes, comment utiliser ces techniques pour construire puis évaluer des modèles à l’aide du langage R.
Description
Durée : 28 heures
Modalités techniques d’évaluation : Évaluation des connaissances par QCM, évaluation des compétences au travers de travaux pratiques et de cas d’études. Contrôle de l’acquisition des connaissances et des compétences pendant la formation par le formateur.
Moyens pédagogiques : Apports théoriques réalisés en classe et complétés par de nombreux travaux pratiques permettent aux participants de disposer d’une expérience concrète. A l’issue des sessions magistrales, réalisation de cas d’études tutorés.
Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
- Comprendre le principe de la modélisation statistique
- Choisir entre la régression et la classification en fonction du type de données
- Évaluer les performances prédictives d’un algorithme
- Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances
Rappels au langage R
- Les types de données dans R.
- Importation-exportation de données.
- Techniques pour tracer des courbes et des graphiques.
Mise en situation
Prise en main des scripts et Notebooks.
Analyse en composantes
- Analyse en Composantes Principales.
- Analyse Factorielle des Correspondances.
- Analyse des Correspondances Multiples.
- Analyse Factorielle pour Données Mixtes.
- Classification Hiérarchique sur Composantes Principales.
Travaux pratiques
Mise en œuvre de la diminution du nombres des variables et identification des facteurs sous-jacents des dimensions associées à une variabilité importante.
La modélisation
- Les étapes de construction d’un modèle.
- Les algorithmes supervisés et non supervisés.
- Le choix entre la régression et la classification.
Travaux pratiques
Mise en place d’échantillonnage de jeux de donnes. Effectuer des tests d’évaluations sur plusieurs modèles fournis.
Procédures d’évaluation de modèles
- Les techniques de ré-échantillonnage en jeu d’apprentissage, de validation et de test.
- Test de représentativité des données d’apprentissage.
- Mesures de performance des modèles prédictifs.
- Matrice de confusion, de coût et la courbe ROC et AUC.
Travaux pratiques
Mise en place d’échantillonnage de jeux de donnes. Effectuer des tests d’évaluations sur plusieurs modèles fournis.
Les algorithmes non supervisés
- Le clustering hiérarchique.
- Le clustering non hiérarchique.
- Les approches mixtes.
Travaux pratiques
Traitements de clustering non supervisés sur plusieurs jeux de données.
