Informatique décisionnelle et Data Mining : principes, méthodes et mise en oeuvre avec SAS

OBJECTIF :

Cette formation propose une couverture méthodologique et pratique des techniques les plus actuelles utilisées en data mining avec une initiation à la plate-forme technologique intégrée de SAS couvrant toutes les étapes d'un processus décisionnel.

Le cours commence par une brève présentation du rôle et des applications du data mining afin de sensibiliser voir à inciter les apprenants à détecter les opportunités d’exploitation des informations contenues dans leurs bases de données. Une première partie de la formation présente les concepts théoriques tandis qu'une seconde partie est consacrée à l'apprentissage et à la mise en oeuvre des concepts théoriques avec la plate-forme décisionnelle de SAS.

Cette formation couvrira ainsi certains aspects théoriques, méthodologiques et pratiques du data mining.

PROGRAMME :

Un aperçu global du processus de data mining et des méthodes pour apprendre à partir des données est présenté. Quelques techniques représentatives seront alors détaillées de façon résolument indépendante de toute offre logicielle. Pour chaque technique on présentera dans un premier temps la méthodologie de base, la façon dont elle s'intègre dans un processus de data mining, et une série d'exemples. Nous détaillerons dans un second temps quelques concepts avancés. On discutera également des moyens de comparaison et d'évaluation des différentes techniques.

Après une introduction générale à la philosophie des logiciels de data mining, on introduira de façon plus détaillée la plate-forme de SAS, l'un des leaders mondiaux de l'informatique décisionnelle. Cette plate-forme propose une offre décisionnelle très riche et permet de traiter de nombreuses problématiques issues de tous les secteurs (banque, assurance, télécommunications, distribution, secteur public, médicales, etc.).

Partie I : introduction au Data Mining
- Introduction : définitions, rôles et applications du Data Mining
- Le processus de Data Mining et ses étapes
- Les données et leur préparation
- Tâches et techniques de Data Mining
- Statistique descriptive
- Méthodes non supervisées : Clustering, cartes auto-organisatrices de Kohonen, règles d'association
- Méthodes supervisées : méthode des plus proches voisins, régression linéaire, arbres de décision
- Méthodes d'évaluation
- Pour aller plus loin : méthodes ensemblistes, problèmes de la sur-dimensionnalité
Partie II : mise en oeuvre avec SAS
- Importation données avec SAS (module SAS Base)
- Transformation des données (module SAS Base)
- Analyse statistiques uni- et multidimensionnelle (module SAS Stat)
- Mise en place de la méthodologie SEMMA (Sample-Extract-Modify-Model-Analyze) avec le module SAS Entreprise Mining
. préparation de données
. méthodes non supervisées : Clustering, cartes auto-organisatrices de Kohonen, règles d'association
. méthodes supervisées : méthode des plus proches voisins, régression linéaire, arbres de décision
. méthodes d'évaluations
- Génération des rapports (module SAS Graph)

Travaux Pratiques

Une mise en oeuvre complète du processus de data mining sur des jeux de données avec SAS Enterprise Miner sera réalisée par les apprenants.

PUBLIC CONCERNÉ / PREREQUIS :

Un pré-requis en statistique élémentaire est souhaité sans être indispensable. La pratique de l'informatique et l'utilisation de suites type bureautique est souhaitée.