Classification – Construction de Classes sans à-priori

Cette formation s’adresse à des personnes souhaitant comprendre la structuration en groupes au sein de données pouvant être volumineuses (en nombre de variables et/ou d’observations).

Les méthodes mises en œuvre construisent ces groupes sans connaissance à-priori à leur sujet, il s’agit d’approches dites non-supervisées.

• Expliquer le contexte des approches de clustering : approches non supervisée VS supervisée,
• Connaître et optimiser les paramètres propres à chaque méthode et impactant ses résultats,
• Comprendre les différents algorithmes (ACP, CAH, K-means),
• Mettre en œuvre ces algorithmes,
• Interpréter les résultats obtenus en termes de connaissances métiers.

De bonnes connaissances des outils statistiques de base ainsi que la maîtrise des concepts d’analyses multidimensionnelles

Tout public

• Connaitre les généralités sur les différentes méthodes d’analyses multidimensionnelles,
• Connaître les principes et objectifs de la classification,
• Maîtriser la notion de corrélation,
• Mettre en œuvre et interpréter les résultats d’une ACP,
• Mettre en œuvre et interpréter les résultats de la classification hiérarchique (CAH),
• Mettre en œuvre et interpréter les résultats de l’algorithme des K-means.

Les formateurs de Seenovate sont des consultants expérimentés et certifiés. Ils appuient leur pédagogie sur leur expertise terrain en conseil et en réalisation de projet en statistique et data science.

Méthodes et moyens : 

• Une convention de formation
• Une enquête en amont sur les attentes des stagiaires
• Feuilles d’émargement signées à chaque session
• 1 vidéoprojecteur par salle / 1 poste de travail par stagiaire
• Explications théoriques suivies de pratiques guidées puis mises en autonomie

Méthode d’évaluation des acquis : 

• Quiz et exercices d’applications tout au long de la formation
• Evaluation de fin de stage
• Attestation de suivi de formation

Support stagiaire :  

• Support de cours électronique (dématérialisé) / En français