Big Data & Intelligence Artificielle

Analyse de Données Massives

  

Profil Intervenant(s)
100x100

Docteur en Informatique - Expert Senior - Enseignant-Chercheur
15 ans d'Experience
Spécialités
Applications réparties, Web Services, Architectures Micro Services, Bases de Données avancées, Big Data et IA, J2EE, Technologies Mobiles, JEE, Spring, Hadoop, React, HTML5, XML, DotNet, ...


100x100

Docteur en Informatique - Expert Senior - Enseignant-Chercheur
15 ans d'Experience


Spécialités

Applications réparties, Web Services, Architectures Micro Services, Bases de Données avancées, Big Data et IA, J2EE, Technologies Mobiles, JEE, Spring, Hadoop, React, HTML5, XML, DotNet, ...




      A partir du  25-01-2021 à 10:00



        5 J 

        Formation hybride Cours théorique à distance sur la plateforme youcan-academy.com, et travaux pratiques en présentiel
Inscrivez-vous à la prochaine session

Appelez vos conseillers
06 49 99 11 00
06 64 16 75 10

Objectifs de la formation

• Identifier les changements de la performance historique d’un système • Résumer l’information essentielle et dégager des tendances • Réaliser des études comparatives entre fournisseurs, produits, procédures, etc. • Apprécier les impacts de scénarios de modification d’un système • Modéliser, ... système • Modéliser, planifier, réaliser et analyser des expériences • Prendre des décisions en toute connaissance des risques d’erreurs liées aux données. Voir Plus

Prérequis


Il est recommandé d'avoir une certaine base en Statistique en particulier et en mathématique en général.

Analyse en composantes principales (ACP)


• Représentations approchées optimales • Interprétation des axes factoriels • Variables actives et illustratives

Analyse Factorielle des Correspondances (AFC)


• Tableaux de fréquences • Comparaisons de profils et distances • Représentation des lignes et des colonnes • Points supplémentaires

Méthodes de classification


• Méthodes hiérarchiques • Méthodes des centres mobiles • Classifications mixtes • Affectation des individus à des classes • Typologies et description des classes obtenues

Analyse Discriminante


• Analyse linéaire discriminante • Qualité d’une discrimination • Probabilité d'appartenance à un groupe

Les séries temporelles


• Vérification par tests du caractère non aléatoire des données • Recherche et caractérisation d'une saisonnalité • Définition de la notion d'auto corrélation. Recherche du "lag" pertinent. • Identification et caractérisation d'une tendance • Les divers types de tendances (linéaires, quadratique ... Voir Plus

Les prévisions


• Chemin aléatoire ou « Randomwalk » • Les tendances (linéaire, quadratique, exponentielle, courbe en S) • La moyenne mobile • Les lissages exponentiels(simple, Brown, Holt, quadratique, Winter) • Modèles de prévision à plusieurs variables

Les données manquantes


• Les grands types de données manquantes • État des lieux des données manquantes • Panorama des différentes stratégies de traitement des données manquantes

La détection d’anomalies


• Qu’est-ce qu’une anomalie , une valeur influente , une valeur extrême • Les différentes motivations à la détection d’anomalies • La notion de robustesse • Les méthodes univariées • Les méthodes multivariées

Travaux Pratiques


• Analyse de corrélation • L’analyse de données (supervisées) • Analyse en composantes principales • Analyse factorielle des correspondances • Les séries temporelles • Les valeurs manquantes

  Elasticsearch

  BIG Data Hortonworks Architecture et intégration

© Copyright All Rights Reserved 2020 | Developed By : Team Formations++