Infos clés et site web
- Durée de la formation
-
21 heures
- Formation continue
- Formation courte / qualifiante
- Lieu de la formation
- Campus Porte des Alpes (PDA)
- Langues d'enseignement
-
Français
Mise à jour le 12 janv. 2021
Data mining - niveau 2
Détails
Objectifs
Maîtriser des méthodes avancées du data mining et leur mise en place sous le logiciel R.
Contenu
- Méthodes à noyaux (SVM, ACP à noyaux, k-means à noyaux)
- Réseaux de neurones (perception multicouches, algorithme de rétro-propagation)
- Méthodes ensemblistes (bagging, forêts aléatoires, boosting)
- Réseaux de neurones (perception multicouches, algorithme de rétro-propagation)
- Méthodes ensemblistes (bagging, forêts aléatoires, boosting)
Public ciblé
- Public ciblé
- Tout public (technicien, ingénieur) ayant à extraire de l'information de bases de données.
- Accessible en reprise d'études
- Non
Présentation
Lieux
Campus Porte des Alpes (PDA)
Pré-requis
Formation(s) requise(s)
- Notions de statistiques élémentaires
- Techniques classiques du data mining
- Techniques classiques du data mining
Public ciblé
Tout public (technicien, ingénieur) ayant à extraire de l'information de bases de données.
· Méthodes à noyaux (SVM, ACP à noyaux, k-means à noyaux)
· Réseaux de neurones (perceptron multicouches, algorithme de rétro-propagation)
· Méthodes ensemblistes (bagging, forêts aléatoires, boosting)
· Réseaux de neurones (perceptron multicouches, algorithme de rétro-propagation)
· Méthodes ensemblistes (bagging, forêts aléatoires, boosting)
Poursuites d'études
Ce module peut donner accès au diplôme universitaire data scientist.
Coût de la formation
Nous consulter