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
A préparer pour ce cours: Exercice
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
- Présentation d’une méthode de datamining
- Projet de datamining
- Examen
|