Option secondaire Data Mining: Programme

Objectif:
Savoir extraire des informations utiles parmi la masse d’information électronique d’une entreprise ou d’un sondage, en utilisant une application professionnelle de Datamining.

Sensibilisation aux techniques de DATA MINING

19 février 2009       Introduction, Motivation, Aperçu des méthodes
                               Intervenant: Giorgio Pauletto  

26 février 2009     Projet de datamining: exemples industriels
                             Intervenant: Pierpaolo Rebecchi  

5 mars 2009        Présentation par les étudiants d'une méthode de datamining
                              

12 mars 2009      Projet de datamining: exemples industriels
                            Intervenant: Pierpaolo Rebecchi                                

Conduite de projets de DATA MINING

Intervenant: Dan Noël

Introduction aux méthodes de Data Mining :
Concept de Data Mining Déroulement d’un projet de Data Mining.
Principales applications Marketing et techniques de Data Mining.
Avantages et résultats observés.
Freins et blocages au développement du Data Mining.

La préparation des données :Fichier de données pour Clémentine
Qualité des données.
Les « missing values ».
Analyse statistique descriptive.
Les outils de préparation des données de SPSS Clementine

Modélisation :
La classification.
La prédiction.
La segmentation.
L’association.
La détection de séquences.
Les différents types d’apprentissage.
Les principaux algorithmes de Data Mining : Les réseaux de neurones. Les arbres de décisions. Les régressions linéaires et logistiques. Les réseaux de Kohonen. Les K-Means. Le Two-Steps Clustering.

La modélisation dans SPSS Clementine :
Application des différents algorithmes.
Analyse des résultats.
Processus de scoring.
Mesures des performances des modèles

Pré-requis: Statistiques descriptives, Probabilités, Statistiques inférentielles (Tests d'hypothèses).

Horaires: Tous les jeudi soir de 18h15 à 21h30 (possibilité de débuter à 17h15).

Évaluation : complément d'information

1. Présentation d’une méthode de datamining
2. Projet de datamining
3. Examen