Recevoir la newsletter
Formation Data science Résultats 1 à 20 sur 25 résultats de recherche

Comparez les programmes, prix et disponibilités de 3 organismes sélectionnés pour vous


S’approprier les méthodes de régression logistique avec des applications en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre d'une régression logistique.

Découvrir les principales méthodes décisionnelles d'analyse des données (arbres de décision, règles d'association, régression multiple, analyse discriminante, ...), choisir celle appropriée au problème et aux données. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants

Apprendre à analyser des données non structurées Découvrir les méthodes de prédiction automatiques et leurs applications métiers (moteur de recommandation, traces numériques, ...) Améliorer ses méthodes et les rendre efficaces en environnement de production.

S’approprier les principaux modèles à effets aléatoires pour données longitudinales en Biostatistique. Savoir manipuler, analyser et interpréter des données dans le cadre de modèles mixtes

S’approprier les méthodes et les critères scientifiques des essais cliniques. Comprendre la démonstration de l’efficacité d’un nouveau traitement ou d’un nouveau dispositif médical.

Comprendre ce que sont Hadoop et YARN Connaître les différents outils et les Framework dans un environnement Hadoop 2.0 Appréhender MapReduce Exécuter une tâche de MapReduce sur YARN Exécuter des modifications en masse avec PIG Ecrire des requêtes pour HIVE afin d’analyser ses données Utiliser Sqoop pour transférer les données entre Hadoop et une base de données relationn...

Découvrir les principales méthodes exploratoires d'analyse des données (ACP, AFC, Classification) afin de mettre en évidence les liaisons entre paramètres, les similitudes et différences entre observations. Interpréter les résultats numériques et graphiques, éviter les pièges, savoir résumer l'information obtenue et communiquer les résultats importants

Comprendre les concepts et enjeux du Big Data ainsi que son impact sur l'Entreprise afin d'en piloter le déploiement.

S’approprier les méthodes de base en biostatistique : statistique descriptive, échantillonnage, estimation, intervalles de confiance, tests ...

Acquérir des compétences appliquées relatives à l’analyse de données aussi bien quantitatives que qualitatives. A l'issue de ce cycle de formation Data Analyst, vous saurez résumer l’information pertinente présente dans un fichier de données et en extraire celle utile à la prise de décision.

Acquérir la méthodologie des enquêtes par sondage : techniques d'échantillonnage, conception de questionnaire, recueil des réponses, codage des données

Acquérir une connaissance méthodologique et pratique de la fiabilité et des méthodes statistiques associées

Comprendre le concept du Big Data Être capable d'identifier l’écosystème et comprendre les technologies associées Savoir anticiper son intégration dans les activités informatiques de l’entreprise

Découvrir les principales étapes d'une étude de Data Science et un panorama des méthodes associées (Machine Learning, Analyse de Données). Apprendre à extraire de l’information utile à partir de données volumineuses, changeantes, non structurées.

S’approprier les principales méthodes de régression utilisées en Biostatistique. Savoir manipuler, analyser et interpréter des données avec différents types de modèles de régression.

Connaître le logiciel Minitab de manière approfondie pour gérer les données, réaliser des analyses statistiques et graphiques

Connaître le logiciel R pour gérer les données, réaliser des analyses statistiques et graphiques

Apprendre à utiliser le logiciel R pour analyser des données du domaine biomédical. Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et logistique

Apprendre à utiliser le logiciel R pour analyser des données. Mettre en oeuvre dans R les méthodes de statistique descriptive, décisionnelle, analyse de la variance, régression linéaire et analyse de données multidimensionnelles.

Acquérir la connaissance méthodologique et pratique des méthodes de régression linéaire, d'analyse de la variance et de la covariance permettant d'obtenir une analyse explicative d'un phénomène, de confirmer des hypothèses, de prendre des décisions ou encore d'effectuer des prévisions
Quelques éléments de contenu
Cette formation vous est également proposée en interentreprises à Paris et en intra-entreprise partout en France et au-delà. L'environnement Mathcad - Ergonomie de Mathcad - Maîtrise Statistique des Procédés : introduction Toute personne souhaitant maîtriser rapidement les principales fonctionnalités de Mathcad Les courbes d’isoréponses Création, modification et affichage de tableaux L'add-in Excel Les mots-clés : if et otherwise, for, while Gestion du document Mathcad - Les objets de base : fonctions, matrices et vecteurs La régression simple - Comparaisons, domaines d’application, conditions d’utilisation Non-paramétriques pour données non-normales Pédagogie active mêlant exposés, exercices et applications pratiques mis en oeuvre dans le logiciel JMP - Le calcul numérique Modélisation de la relation entre la variable cible et les variables explicatives Le graphe de variabilité D’une proportion - Les outils collaboratifs Calculs élémentaires sur les tableaux Pédagogie active mêlant exposés, exercices et applications pratiques mis en oeuvre dans les logiciels Minitab, JMP, StatGraphics ou Spad.