![](https://groupealliancemali.wordpress.com/wp-content/uploads/2022/05/img_20210209_175613.jpg?w=1024)
FORMATION DATA SCIENCE (R ET HADOOP)
Appliquer des techniques d’exploration des données pour améliorer la prise de décisions métier à partir de sources de données internes et externes – Prendre une longueur d’avance sur vos concurrents avec l’analyse des données structurées et non structurées – Prédire un résultat en utilisant des techniques d’apprentissage automatique supervisé
Exploration et analyse des données avec R
Charger, interroger et manipuler des données avec R
Nettoyer les données brutes avant la modélisation
Réduire les dimensions avec l’analyse en composantes principales (ACP)
Développer les fonctionnalités de R avec les packages définis par l’utilisateur
Faciliter la pensée analytique avec la visualisation des données
Explorer les caractéristiques d’un ensemble de données à travers la visualisation
Représenter graphiquement la distribution des données avec des boîtes à moustaches, des histogrammes et des diagrammes de densité
Identifier les valeurs hors normes
Explorer les données non structurées pour les applications métier
Traitement préliminaire et préparation des données non structurées pour une analyse plus approfondie
Décrire un ensemble de documents avec une matrice termes-documents
Difficultés supplémentaires liées au Big Data
Examiner les architectures de MapReduce et Hadoop
Intégrer R et Hadoop à RHadoop
Estimer les valeurs avec les règles de régression linéaire et logistique
Modéliser la relation entre une variable de sortie et plusieurs variables d’entrée
Interpréter correctement les coefficients des données continues et qualitatives
Techniques de régression pour manipuler le Big Data
Traiter les ensembles de données volumineux avec RHadoop
Créer des modules de régression pour RHadoop
Identification automatique de chaque nouvel élément de données
Utiliser des arbres de décision pour prédire les valeurs cible
Appliquer des règles de probabilité pour prédire les résultats avec le modèle Naive Bayes
Combiner les variables de prédiction des arbres et les forêts aléatoires dans RHadoop
Évaluer les performances des modèles
Visualiser les performances des modèles avec une courbe ROC
Évaluer les modèles de classification avec des matrices de confusion
Identifier des groupes encore inconnus dans un ensemble de données
Segmenter le marché client avec l’algorithme K-Means
Trouver des similarités avec les mesures des distances
Créer des clusters en forme d’arbres et des mises en cluster hiérarchiques
Mettre en cluster les tweets et les fichiers texte pour mieux les comprendre
Mettre à jour les connexions avec l’analyse des associations
Identifier les connexions importantes avec l’analyse des réseaux sociaux
Comprendre l’utilisation des résultats de l’analyse des réseaux sociaux à des fins marketing
Définir et évaluer des règles d’association
Identifier les préférences réelles des clients à partir d’un ensemble de données transactionnelles pour améliorer l’expérience utilisateur
Calculer les indices de support et de confiance et le lift pour différencier les bonnes règles des mauvaises
Tel +223 66 39 38 52 / 70 83 81 11/ 52 56 74 13
Heurs de Cours 10H12-14H16-16H18-18H20-20H22
#badalabougou #palais de LA culture amadou Hamapate Ba
TARIF : 1350.000 FCFA