Ferme la recherche

Méthodes PLS

Descriptif

Durée de la formation

Durée 14 heures
En centre 14 heures

Session

du 21 nov. 2019 au 22 nov. 2019  - Labège (31)
du 21 nov. 2019 au 22 nov. 2019  - Labège (31)
Pour connaître les dates des prochaines sessions, veuillez contacter l'organisme de formation

Objectif de la formation

Extraire l'information utile et pertinente d'un ensemble de données pour lesquels les méthodes classiques sont inopérantes du fait d'un déséquilibre du fichier (plus de colonnes que de lignes, nombre important de données manquantes, redondance significative entre les variables exogènes).
Le but est l'exploration (évaluation de la structure de corrélation, présence de groupes, d'individus atypiques,...) et la modélisation (pouvoir prédire et anticiper le comportement d'un processus industriel ou transactionnel).

Description de la formation

- Méthode NIPALS (Non Iterative Partial Least Square)
- L'analyse en Composantes principales (A.C.P.)
- La régression PLS
- L'analyse Discriminante
- Applications

Conditions d'accès

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation Analyse des données : méthodes exploratoires (ACP, AFC, classification).

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

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

Et après la formation ?

NON DÉTERMINÉ

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

41 rue de la Découverte
Labège

Calculez votre itinéraire

Centre de formation

Data Value
41 Rue de la Découverte
31670, Labège

Toutes les formations et avis pour Data Value