Ferme la recherche

Détection d'anomalies - Outlier Detection

Descriptif

Durée de la formation

Durée 14 heures
En centre 14 heures

Session

du 07 déc. 2020 au 08 déc. 2020  - Paris - 5ème (75)
du 07 déc. 2020 au 08 déc. 2020  - Paris - 5ème (75)
Pour connaître les dates des prochaines sessions, veuillez contacter l'organisme de formation

Objectif de la formation

Approfondir la connaissance de la détection d'anomalies dans un contexte de données numériques et/ou fonctionnelles à l'aide de méthodes principalement non
- supervisées

Description de la formation

-Introduction
-Qu'est
- ce qu'une anomalie ? une valeur influente ? une valeur extrême ?
-Les différentes motivations à la détection d'anomalies
-La notion de robustesse
-Les méthodes univariées
-La règle du k
- sigma et test de Grubbs
-Règles du boxplot
-Tests en fonction de la distribution
-Les méthodes multivariées
- généralités
-Les grandes approches dans la détection d'anomalies
-Évaluation des méthodes
o Caractéristiques souhaitées
o Métriques
o Contributeurs ou signature des défauts
-Les méthodes multivariées basées sur un modèle probabiliste
-T2 de Hotelling, la distance de Mahalanobis et sa version robuste
-Notion de profondeur et notion d'angles
-Les méthodes multivariées basées sur la détermination d'un sous
- espace
-L'ACP et sa version robuste
-Les réseaux de neurones
-Les méthodes multivariées basées sur la notion de proximité
-La classification non supervisée
-Le LOF basé sur la densité
-Les méthodes pour des données fonctionnelles
-Introduction au contexte de données fonctionnelles
-L'analyse de données fonctionnelles
o Méthode de lissage
-Spline cubique
-Polynômes locaux
o Réduction de dimension
-Grandeurs statistiques (moyenne...)
-Décomposition en coefficients d'ondelettes
-Méthodes de détection d'anomalies dans un contexte univarié
-Méthodes de détection d'anomalies dans un contexte multivarié
-Les méthodes pour des données en HDLSS (grande dimension, faible taille d'échantillonnage)
-Présentation des challenges induits par ce contexte
-Les principales méthodes

Conditions d'accès

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont les formations Statistique descriptive (exploratoire) : savoir décrire des observations et Statistique décisionnelle (inférentielle) : savoir décider au vu des observations.

Validation

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Donne accès au(x) métier(s) suivant(s)

Etudes et prospectives socio-economiques (voir la fiche métier)

Et après la formation ?

Retour à l'emploi des anciens stagiaires

CORRECT

Conseils
Les questions à poser avant de choisir un centre de formation
  • Quels sont les profils des anciens stagiaires (niveau de formation, expérience professionnelle) ?
  • Est-il possible de visiter le centre ?
  • Quel type de public accueillez-vous en formation (salariés, demandeurs d’emploi, particuliers) ?
  • Peut-on obtenir une liste de ces anciens stagiaires pour les interroger sur cette formation ?
  • Comment aidez-vous les stagiaires à trouver un emploi ?

Data Value

Lieu de formation

Le Bloc
10 bis Rue du Sommerard
Paris - 5ème

Calculez votre itinéraire

Centre de formation

Data Value
41 Rue de la Découverte
31670, Labège

Toutes les formations et avis pour Data Value