Menu

Parcours de formation

Analyse prédictive

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

Il convient aux membres d'équipes de résolution des problèmes, aux personnes qui dirigent des activités d'excellence opérationnelle, aux analystes marketing et aux professionnels qui se préparent à mettre en œuvre l'analyse prédictive dans leur organisation.

Découvrez les techniques d'analyse de données nécessaires 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.

Les principes analytiques sont présentés à l'aide d'exemples et d'exercices concrets, tous pris en charge par Minitab Statistical Software.

JOUR 1

Fondamentaux de l'analytique

Dans ce cours vous apprendrez à minimiser le temps nécessaire à l'analyse des données en utilisant Minitab pour importer des données, développer des approches statistiques solides pour explorer les données, créer et interpréter des visualisations convaincantes et exporter les résultats. Automatisez votre analyse Minitab avec une intervention minimale de l'utilisateur pour gagner du temps. Analysez une variété de jeux de données issues de cas réels pour apprendre à aligner vos applications avec le bon outil d'analyse et à interpréter les résultats statistiques. Apprenez les principes fondamentaux de concepts statistiques importants tels que les tests d'hypothèses et les intervalles de confiance.

Ce cours met fortement l'accent sur la prise de décisions judicieuses basées sur l'application pratique des techniques statistiques couramment utilisées dans les processus industriels et transactionnels de l’entreprise.

Les thèmes abordés sont les suivants :

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

JOUR 2

Modélisation et prévision de la régression

Continuez à vous appuyer sur les concepts fondamentaux de l'analyse statistique enseignés dans le cours Fondamentaux de l’analytique en apprenant à explorer et à décrire les relations entre les variables à l'aide d'outils de modélisation statistique. Découvrez et décrivez les caractéristiques des données liées à l'effet et à l'impact du temps, et comment prévoir le comportement futur.

Apprenez à trouver et à quantifier l'effet des variables d'entrée sur la probabilité qu'un événement critique se produise. Des exemples pratiques illustrent la façon dont les outils de modélisation aident à révéler les principales entrées et sources de variation de vos données.

Les thèmes abordés sont les suivants :

  • Nuages de points
  • Corrélation
  • Régression simple linéaire
  • Outils de série chronologique, incluant Lissage Exponentiel
  • Analyse de tendance
  • Décomposition
  • Régression multiple et pas à pas
  • Régression Logistique Binaire
  • Régression avec Validation

JOUR 3

Analyse prédictive, auto-apprentissage

Développez vos analytiques en étudiant les données des problèmes du monde réel rencontrés dans de nombreux secteurs pour explorer et décrire les relations entre les variables. Apprenez à utiliser des techniques d'apprentissage automatique supervisé telles que CART® pour analyser les modèles trouvés dans les données historiques afin d'obtenir de meilleures informations, identifier les risques potentiels, rechercher des opportunités d'amélioration et faire des prédictions sur l'avenir.

Utilisez des outils d'apprentissage automatique non supervisés tels que le regroupement pour détecter les partitions naturelles dans les données et regrouper les observations ou les variables en ensembles homogènes. Réduisez la dimensionnalité des données en transformant les données d'origine en un ensemble de variables non corrélées.

Les thèmes abordés sont les suivants :

  • Analyse discriminante
  • Validation avec un ensemble de tests
  • Validation croisée de K-ensembles
  • Classification CART®
  • Corrélation
  • Régression CART®
  • Analyse de groupe
  • Analyse Composantes Principales
clear