IBM SPSS Modeler et Data Mining (v18) – Introduction
Objectifs
- Connaître les principes du data mining
- Savoir travailler avec les flux
- Comprendre comment collecter les données initiales
- Être en mesure de comprendre les données et de les intégrer
Programme
Introduction au Data Mining
- Présenter 2 exemples d’exploration de données
- Expliquer les étapes de la méthodologie CRISP-DM
- Décrivez les projets d’exploration de données réussis et les raisons pour lesquelles les projets échouent
- Décrire les compétences nécessaires à l’exploration de données
Travailler avec l’interface Modeler
- Décrire l’interface utilisateur Modeler
- Travailler avec les noeuds
- Exécuter un flux ou une partie d’un flux
- Ouvrir et enregistrer un flux
- Utiliser l’aide en ligne
Découverte du Data Mining
- Expliquer le cadre de base d’un projet d’exploration de données
- Construire un modèle
- Déployer un modèle
La collecte de données initiale
- Expliquer les concepts de « structure de données », « unité d’analyse », « champ de stockage » et « niveau de mesure de champ »
- Importer des fichiers Microsoft Excel
- Importer des fichiers IBM SPSS Statistics
- Importer des fichiers texte
- Importation à partir de bases de données
- Exporter des données vers différents formats
Compréhension des données
- Vérification des données
- Expliquer comment vérifier les valeurs invalides
- Prendre des mesures pour les valeurs invalides
- Expliquer comment définir les blancs
Réglage de l’unité d’analyse
- Régler l’unité d’analyse en supprimant les enregistrements en double
- Régler l’unité d’analyse par des enregistrements d’agrégation
- Régler l’unité d’analyse en élargissant un champ catégorique dans une série de champ tagués
Intégrer des données
- Intégrer les données en ajoutant les enregistrements de plusieurs ensembles de données
- Intégrer les données en fusionnant des champs de plusieurs ensembles de données
- Exemples de dossiers
Dérivation et reclassement de valeur des champs
- Utiliser Control Language for Expression Manipulation (CLEM)
- Dériver de nouveaux champs
- Reclasser les valeurs de champ
Explorer les relations entre champs
- Examiner la relation entre deux champs catégoriques
- Examiner la relation entre un champ catégorique et un champ continu
- Examiner la relation entre deux champs continus
Introduction à la modélisation
- Lister trois objectifs de modélisation
- Utiliser un modèle de classification
- Utiliser un modèle de segmentation
MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS
Modalités pédagogiques :
- Évaluation des besoins et du profil des participants.
- Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
- Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
- Méthodes expositive, active et participative.
- Réflexion et échanges sur cas pratiques.
- Retours d'expériences.
- Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.
Modalités d’évaluation :
- Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
Éléments matériels :
- Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
- Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.
Référent pédagogique et formateur :
- Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
- Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
- Feuilles de présences signées des participants et du formateur par demi-journée.
- Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
Back to
