Microprogramme en exploitation de données (1^er cycle)

Premier Bloc: le logiciel SAS

1-Importance du logiciel sur le marché du travail et introduction de l'interface SAS Entreprise guide.

2-Concepts de librairie dans SAS et importation de données.

3-Création et manipulation d'une table de données.

4-Les statistiques descriptives dans SAS.

5-La régression linéaire dans SAS.

6-Les graphiques dans SAS (proc plot proc gplot proc gchart proc gbarline).

7-SAS/SQL.

Deuxième Bloc : R.

1-Présentation du logiciel R et installation.

2-Présentation des fonctions usuelles.

3-Comment lire et incorporer les données provenant d'un fichier texte ou un fichier Excel.

4-Manipulation de données avec le package data.table.

5-Les statistiques descriptives dans R.

6-La régressin linéaire dans R.

7-La visualisation de données dans R.

1-Tests d'hypothèses sur la différence entre deux populations (rappel)
2-Analyse de la variance
3-Analyse de la variance à deux facteurs
4-Régression linéaire multiple (modélisation avec variables catégorielles interaction multicolinéarité)
5-Régression logistique
6-Analyse de survie
7-Méthodes de prévision

Thème 1 : Introduction et cueillette de données

Thème 2 : Statistiques descriptives

Thème 3 : La distribution d'échantillonnage

Thème 4 : Les intervalles de confiance

Thème 5 : Les tests d'hypothèses

Thème 6 : Étude de la dépendance

Thème 7 : Analyse de la variance

Thème 8 : Régression linéaire

Thème 9 : Prévisions

- L'analyse exploratoire des données ( visualisation de données indicateurs graphiques et indicateurs numériques)
- La valorisation des données (tableaux croisés et loi de probabilité conjointe concept de probabilité conditionnelle et techniques de prévision basées sur les règles d'association)
- La décision optimale en gestion ( notions mathématiques et introduction à résolution de problèmes d'optimisation)
- Outils d'aide à la décision en contexte d'incertitude ( variabilité et risque calcul de probabilité et concept de distribution)
- La valeur temps de l'argent ( les mathématiques financières)
- Application: gestion de portefeuille

Introduction à l'exploitation des données textuelles et mise en contexte.
Nettoyage de données textuelles avec R.
Analyse descriptive et visualisation des données textuelles.
La technique Bag of Word
Les mesures de similarités et de distances pour les données textuelles.
La segmentation de texte.
La classification de texte.
Présentations de projets.

- Introduction au langage Python
- Programmation en Python - les bases
- Manipulation de table de données avec la librairie Numpy et Pandas
- Analyse et visualisation des données avec la librairie Matplotlib
- Exploitation de données avec la librairie Sckit-Learn

1- La modélisation de la relation entre deux variables

2- Les modèles d'optimisation linéaires

3- Les arbres de décision

4- La simulation

5- Les concepts de base de la file d'attente

6- Les problèmes d'ordonnancement et de tournée de véhicules

7- Les problèmes d'affectation et d'horaires du personnel

8- Les problèmes de localisation

9- La gestion du revenu

1- Importance de la programmation et de la visualisation dans le monde des affaires / L'analyse de données avec EXCEL.
2- Nettoyage des données avec Excel
3- Création modification et transformation d'une variable
4- Présentation des fonctions avancées d'Excel
5- Les tableaux croisés dynamiques et les objets graphiques
6- Présentation de l'utilitaire d'analyse
7- Les analyses statistiques à l'aide de l'utilitaire d'analyse
9- Présentation des concepts de Data Visualisation et de Storytelling (Tableau public)
8-Création de rapports dynamiques avec Power BI
10- Conception de tableaux de bord

1- Introduction au Web Analytique (But défis méthodes de collecte des données sur le Web)

2- Performance et optimisation d'un site Web (Analyse ergonomique du Web comportement de navigation et efficacité d'un site Web)

3- Canaux de sollicitation (moteurs de recherche médias sociaux vidéos...) et métriques ( comment mesurer l'engagement du client)

4- Analyse des métriques et indicateurs de performance (K.P.I): visites visiteurs durée de la visite taux de rebond taux de sortie taux de conversion engagement etc.

5- La segmentation en Web Analytique

6- Analyse de la performance du trafic sur le site (source du trafic et analyse des moteurs de recherche)

7- Lancement et évaluation d'une campagne marketing

8- L'utilité des tests dans l'optimisation d'un site Web et la compréhension du comportement du client

9- Création d'un tableau de bord