Analyse prédictive

Durant cette formation, vous allez apprendre à réaliser plus rapidement une analyse des données en utilisant Minitab pour importer des données, développer des approches statistiques pertinentes pour l’exploration de données, créer et interpréter des visualisations claires et exporter les résultats. Automatisez votre analyse Minitab avec un minimum de manipulations pour gagner du temps. Analysez un éventail de fichiers de données présentant des exemples concrets afin d’apprendre à identifier l’outil d’analyse approprié pour chaque cas de figure, ainsi qu’à interpréter les résultats statistiques. Apprenez les bases d’importants concepts statistiques tels que les tests d’hypothèse et les intervalles de confiance.

Cette formation vous apprendra tout particulièrement à prendre des décisions éclairées en mettant en pratique des techniques statistiques couramment employées dans les procédés commerciaux, de fabrication et transactionnels.

Poursuivez votre apprentissage des principaux concepts de l’analyse statistique enseignés dans la formation Principes de base de l’analyse en découvrant comment explorer et décrire les relations entre les variables à l’aide d’outils de modélisation statistique. Découvrez et décrivez les caractéristiques des données relatives à l’effet et à l’impact du temps. Apprenez également à prévoir le comportement futur.

Apprenez à rechercher et à quantifier l’effet des variables d’entrée sur la probabilité qu’un événement essentiel se produise. Des exemples pratiques illustrent la façon dont les outils de modélisation permettent de connaître les données-clés et les sources de variation de vos données.

Allez plus loin en analysant des données provenant de problèmes concrets rencontrés dans de nombreux secteurs afin d’explorer et de décrire les relations entre les variables. Apprenez à utiliser des techniques d'auto-apprentissage par la machine supervisées telles que CART^® pour analyser les tendances observées dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prévisions sur l'avenir.

Utilisez des outils d’auto-apprentissage par la machine non supervisés tels que la mise en cluster pour détecter des partitions naturelles dans les données et regrouper les observations ou les variables en ensembles homogènes. Réduisez la dimensionnalité des données en transformant les données d’origine en un ensemble de variables sans corrélation.

Faites passer vos analyses au niveau supérieur en analysant des données provenant de problèmes concrets afin d’explorer et de décrire les relations entre les variables. Les arbres CART fournissent une structure simple pour interpréter les relations complexes. Cependant, leur capacité prédictive peut souvent être améliorée en utilisant un modèle plus puissant, qui crée de nombreux modèles simples (ou arbres) et les combine en un modèle final. Apprenez à utiliser des techniques de modélisation avancées telles que MARS^®, TreeNet^® et Random Forests^® pour analyser les modèles trouvés dans les données historiques afin d'obtenir de meilleures informations, d'identifier les risques potentiels, de rechercher des opportunités d'amélioration et de faire des prédictions pour l'avenir. Remarque : Un abonnement au module complémentaire d'analyse prédictive est requis pour ce cours.