Contactez-nous
  • Data Mining
  • Logiciel Data Mining

Fouille de données 2

Mis à jour le

Responsable(s) : Mme Béatrice ARRUABARRENA, M. Gerald KEMBELLEC

  • Cours
Code Cnam : USID0D

Envie d'en savoir plus sur cette formation ?

Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :

Afficher le centre adapté à mes besoins

Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :

  • Durée : 40 heures
  • Alternance
  • 4 crédits

Présentation

Objectifs

Dans la poursuite des cours de fouille de données de M1, cet enseignement vise l’approfondissement du traitement de « données ». Les techniques de machine learning supervisées et non supervisées sont abordés.

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement : Fiche synthétique au format PDF

Présence et réussite aux examens

Pour l'année universitaire 2023-2024 :

  • Nombre d'inscrits : 35
  • Taux de présence à l'évaluation : 54%
  • Taux de réussite parmi les présents : 100%

Compétences et débouchés

Compétences

Cet enseignement vise les compétences techniques de collecte (fichier de logs machine, web scraping, etc.), de pré-traitement et d’analyse par les principales méthodes de Machine Learning :

1. Exploiter les données dans une démarche analytique et business intelligence (BI) :

Analyses statistiques (statistiques descriptives, inférentielles) afin d’affirmer ou infirmer des hypothèses et/ou stratégies en lien avec les besoins des métiers composant une organisations (SAS, Excel, logiciel R, etc.)

2. Exploiter les données dans une démarche exploratoire (logiciel R, Python):

-analyser à l’aide des techniques de Datamining (fouille de données, analyse spatiale et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissances ou de nouveaux usages ;

- sélectionner et l’utiliser ou éventuellement implémenter des algorithmes de traitements des données à l’aide des méthodes d’apprentissage automatique (machine Learning, Deep Learning, réseaux de neurones)

Parcours

Informations pratiques

Contact

Programme

Modalités d'évaluation

Projet à réaliser. Contrôle individuel.

Ces formations pourraient vous intéresser