Analyse prédictive

Ce parcours de formation très populaire de 3 jours fournit aux participants une gamme d'outils complète pour appliquer efficacement l'analyse prédictive dans leur organisation.

Il enseigne les bases de l'analyse prédictive. Les participants découvriront des techniques d'analyse de données, notamment les statistiques, la modélisation et l'apprentissage automatique, pour analyser les tendances observées dans les données historiques. Cela vous permettra d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prévisions sur l'avenir. Les principes analytiques seront présentés à l'aide d'exemples et d'exercices concrets.

 

Ce cours convient aux personnes de toute organisation qui souhaitent tirer parti de la puissance de l'analyse prédictive pour résoudre des problèmes. Il est populaire auprès des analystes des systèmes de gestion, des membres d'équipes de résolution des problèmes, des personnes qui dirigent des activités d'excellence opérationnelle, des analystes marketing et des professionnels qui se préparent à mettre en oeuvre l'analyse prédictive dans leur organisation.

Parcours de formation

JOUR 1

Durant cette formation, vous découvrirez comment réaliser plus vite une analyse des données en utilisant Minitab. Nous verrons comment importer des données, développer des approches statistiques pertinentes pour l'exploration de données, créer et interpréter des visualisations claires et exporter les résultats. Vous apprendrez à automatiser votre analyse Minitab avec un minimum de manipulations pour gagner du temps. Nous analyserons un éventail de fichiers de données présentant des exemples concrets afin que vous appreniez à identifier l'outil d'analyse approprié pour chaque cas de figure, ainsi qu'à interpréter les résultats statistiques. Vous apprendrez également les bases d'importants concepts statistiques tels que les tests d'hypothèse et les intervalles de confiance.

Ce cours vous apprendra tout particulièrement à prendre des décisions éclairées en mettant en pratique des techniques statistiques couramment employées dans les procédés commerciaux, de fabrication et transactionnels.

Les thèmes abordés sont les suivants :

  • Importation et formatage de données
  • Macros exécutables
  • Cartes barres
  • Histogrammes
  • Boîtes à moustaches
  • Diagrammes de Pareto
  • Nuages de points
  • Mesures de la tendance centrale et de variation
  • Tests t
  • Test de l'égalité des variances
  • Puissance et effectif de l'échantillon

Apprentissage préalable :  Aucune

Scatterplot of Percent vs Year by Gender
Chart of Person, Mistake

JOUR 2

Vous êtes prêt(e) à poursuivre votre apprentissage des principaux concepts d'analyse statistique enseignés dans le cours L'essentiel de Minitab ? Ce cours vous enseigne comment explorer et décrire les relations entre les variables à l'aide d'outils de modélisation statistique. Vous découvrirez et décrirez les caractéristiques des données relatives à l'effet et à l'impact du temps, et apprendrez à prévoir le comportement futur.

Ce cours explique comment rechercher et quantifier l'effet des variables d'entrée sur la probabilité qu'un événement essentiel se produise. Des exemples pratiques illustreront la façon dont les outils de modélisation permettent de connaître les données clés et les sources de variation de vos données.

Les thèmes abordés sont les suivants :

  • Nuages de points
  • Corrélation
  • Régression linéaire simple
  • Outils de série chronologique, notamment lissage exponentiel
  • Analyse de tendance
  • Décomposition
  • Régression multiple et régression pas-à-pas
  • Régression logistique binaire
  • Régression avec validation

Apprentissage préalable : Principes de base de l'analyse

Matrix Plot of Employees, Production V, Entrances/Ex, Shift, Particles
Smoothing Plot for Passengers

JOUR 3

Ce cours vous aidera à améliorer vos compétences en analyse de données avec des exemples concrets pour vous apprendre à étudier et à décrire les relations entre les variables. Vous découvrirez comment utiliser des techniques d'auto-apprentissage par la machine supervisées telles que CART® pour analyser les tendances observées dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prévisions sur l'avenir.

Utilisez des outils d'auto-apprentissage par la machine non supervisés tels que la mise en cluster pour détecter des partitions naturelles dans les données et regrouper les observations ou les variables en ensembles homogènes. Réduisez également la dimensionnalité des données en transformant les données d'origine en un ensemble de variables sans corrélation.

Les thèmes abordés sont les suivants :

  • Analyse discriminante
  • Validation des ensembles de tests
  • Validation sur k partitions
  • Classification CART®
  • Corrélation
  • Régression CART®
  • Analyse hiérarchique

Apprentissage préalable : Principes de base de l'analyse, Modélisation et prévision de la régression

Dendrogram - Complete Linkage, Euclidean Distance
Class node Decision Tree by Gender and Age