Descriptif
Data mining et analyse exploratoire des données est une formation de 2 jours (14 heures), de niveau intermédiaire, rattachée au domaine « Bases de données, outils décisionnels, Big Data et Cloud Computing ». Explorer des données pour en extraire des tendances et des segments. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Exploration et visualisation
- Segmentation et clustering
- Règles d'association
- Détection d'anomalies
- Cas pratique
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Cadrage : attentes des participants, jeux de données qu'ils souhaitent explorer et ouverture des notebooks | 0,5 h |
| 2 | De la question métier à l'exploration : typologie des tâches de fouille, biais d'échantillonnage, qualité et représentativité des données | 1 h |
| 3 | Travaux pratiques : analyse exploratoire d'un historique de 200 000 tickets de caisse — profils, croisements, visualisations | 2,5 h |
| 4 | Travaux pratiques : segmenter la clientèle avec les k-moyennes, choisir le nombre de segments, interpréter et nommer les centres | 3 h |
| Jour 2 | ||
| 5 | Travaux pratiques : classification ascendante hiérarchique et DBSCAN, comparaison critique des segmentations obtenues | 2 h |
| 6 | Travaux pratiques : règles d'association sur les tickets — support, confiance, lift, tri des règles réellement actionnables | 2 h |
| 7 | Travaux pratiques : détecter des anomalies de facturation avec Isolation Forest et méthodes de score de déviation | 1,5 h |
| 8 | Cas pratique de synthèse : livrer une note de segmentation exploitable par le marketing, puis évaluation des acquis | 1,5 h |
Méthodes pédagogiques
- Pédagogie active : 89 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
Python, pandas, scikit-learn, Jupyter
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois