Nos domaines de formation :
> formation Technologies numériques > formation Big Data, BI, NoSQL, SGBD > formation Big Data et NoSQL > formation Technique de Big Data Analytics avec Python
Formation Technique de Big Data Analytics avec Python
modélisation et représentation des données
4,5 / 5
Stage pratique
Durée : 4 jours
Réf : BDA
Prix 2018 :
2490 €
H.T.
Pauses et déjeuners offerts
- Programme
- Participants / Prérequis
- Intra / sur-mesure
-
Programme
Le Big Bata Analytics repose sur la maîtrise des techniques d'exploration de données fondamentales : statistiques descriptives, prédictives ou exploratoires. Ce stage pratique vous présentera des méthodes telles que les régressions et les ACP et vous apprendra à les mettre en œuvre avec le logiciel Python.
Objectifs pédagogiques
- Comprendre le principe de la modélisation statistique
- Choisir entre la régression et la classification en fonction du type de données
- Évaluer les performances prédictives d'un algorithme
- Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances
Travaux pratiques
Développement/réalisation d'analyses sur le logiciel Python, avec les modules pandas, NumPy, SciPy, MatPlotLib, seaborn, scikit-learn et statsmodels.
PROGRAMME
DE FORMATION
Introduction à la modélisation
- Introduction au langage Python.
- Introduction au logiciel Jupiter Notebook.
- Les étapes de construction d'un modèle.
- Les algorithmes supervisés et non supervisés.
- Le choix entre la régression et la classification.
Travaux pratiques
Installation de Python 3, d'Anaconda et de Jupiter Notebook.
Procédures d'évaluation de modèles
- Les techniques de ré-échantillonnage en jeu d'apprentissage, de validation et de test.
- Test de représentativité des données d'apprentissage.
- Mesures de performance des modèles prédictifs.
- Matrice de confusion, de coût et la courbe ROC et AUC.
Travaux pratiques
Mise en place d'échantillonnage de jeux de donnes. Effectuer des tests d'évaluations sur plusieurs modèles fournis.
Les algorithmes supervisés
- Le principe de régression linéaire univariée.
- La régression multivariée.
- La régression polynomiale.
- La régression régularisée.
- Le Naive Bayes.
- La régression logistique.
Travaux pratiques
Mise en œuvre des régressions et des classification sur plusieurs types de données.
Les algorithmes non supervisés
- Le clustering hiérarchique.
- Le clustering non hiérarchique.
- Les approches mixtes.
Travaux pratiques
Traitements de clustering non supervisés sur plusieurs jeux de données.
Analyse en composantes
- Analyse en Composantes Principales.
- Analyse Factorielle des Correspondances.
- Analyse des Correspondances Multiples.
- Analyse Factorielle pour Données Mixtes.
- Classification Hiérarchique sur Composantes Principales.
Travaux pratiques
Mise en œuvre de la diminution du nombres des variables et identification des facteurs sous-jacents des dimensions associées à une variabilité importante.
Analyse de données textuelles
- Collecte et prétraitement des données textuelles.
- Extraction d'entités primaires, d'entités nommées et résolution référentielle.
- Étiquetage grammatical, analyse syntaxique, analyse sémantique.
- Lemmatisation.
- Représentation vectorielle des textes.
- Pondération TF-IDF.
- Word2Vec.
Travaux pratiques
Explorer le contenu d'une base de textes, en utilisant l'analyse sémantique latente.
Participants / Prérequis
» Participants
Responsables Infocentre (Datamining, Marketing, Qualité...), utilisateurs et gestionnaires métiers de bases de données.
» Prérequis
Bonnes connaissances en statistiques de base, ou connaissances équivalentes à celles apportées par le stage "Statistiques, maîtriser les fondamentaux" (Réf. STA).
Intra / sur-mesure
Avis vérifiés
| Stéphane B. 19/06/2018 |
4 / 5
|
Remarque sur le support de cours papier : La partie "Python" est trop importante par rapport à la partie "Analytics" La partie "Analytics" est trop théorique et ne reflète pas du tous les explications orales du formateur.
| Bertrand C. 19/06/2018 |
4 / 5
|
Connais très bien le sujet mais manque de l'ordonnancement dans la présentation des parties pratiques
| SAID B. 19/06/2018 |
5 / 5
|
Excellente formation qui permet d'avoir une première overview de plusieurs technique d'analyse de données combinées avec un bon niveau d'exercices. Par contre il serait intéressant d'envoyer avant la formation des liens ou des tutoriels sur python pour que tous les participants soient initiés à python et se concentrent plus sur les algos et les techniques.
Avis client 4,5 / 5
Les avis client sont issus des feuilles d’évaluation de fin de formation. La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.
Dates de sessions
Pour vous inscrire, cliquez sur la session qui vous intéresse.
[+]
PARIS
Horaires
Les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.
Formations conseillées
Filières métiers
Thème associé