Brève description / annotation

1. Panorama du data mining et de la data science. 2. Le déroulement d'une étude de data mining. 3. L'exploration et la préparation des données. 4. L'utilisation des données commerciales et géodémographiques. 5. Les logiciels de statistique, de data mining et machine learning. 6. Panorama des méthodes de statistique et de data mining. 7. L'analyse factorielle. 8. Les réseaux de neurones artificiels. 9. Les méthodes de classification automatique. 10. La détection des règles d'associations. 11. Les méthodes de classement et de régression. 12. L'analyse discriminante linéraire et ses généralisations. 13. Le modèle linéaire et ses généralisations. 14. Le modèle logistique et ses généralisations. 15. Les arbres de décisions. 16. Les autres modèles prédictifs. 17. Les méthodes d'agrégation de modèles. 18. Une application du data mining : le scoring. 19. Les facteurs de succès d'un projet de data mining. 20. Le text mining. 21. Le web mining. Annexes. Bibliographie. Index.

Détails