DATA MINING & MODELISATION STATISTIQUE

Data Mining sous Clementine : crédit scoring, Bâle2&risque de crédit,Marketing direct, Enquêtes de satisfaction, Télécommunication

Segmentation et prévision : Réseaux de neurones, Arbres de décision (C5.0, CRT), Régression logistique

Typologie : Réseaux de Kohonen, nuées dynamiques, Two-step, K-means

Détection d’associations : GRI, Apriori et graphique relations, Séquence et CARMA

Réduction de données : Analyse factorielle, Analyse en composante principale

Text Mining : text mining et la veille concurrentielle

pour plus d'information vous pourriez  nous contacter par email([e-mail]) ou par téléphone (212)067508990

Formation sur des logiciels de statistique

on vous propose des formations sur n'importe quel logiciel statistique.

 par exemple pour logiciel SPSS on vous propose formation sur:

SPSS Base : Reporting et graphique, statistique descriptive, classification (nuées dynamiques, hiérarchique, Two-step), Analyses factorielle, Positionnement, Analyse discriminante, Régression linéaire)

SPSS régression : Régression logistique multinomiale, Régression logistique binaire,régression non linéaire sans contrainte,Régression non linéaire avec contraintes,Moindre carrées pondérés,Doubles moindres carrés, Analyse probit.

SPSS Avancés : Analyse de variance, covariance (ANOVA, ANCOVA, MANOVA et MANCOVA), Effets fixes, effets aléatoires, modèle mixtes, Modèle linéaire général (GLM), Mesures répétées univariées.

SPSS Correspondance : Analyse de correspondances, Analyse de l’homogénéité, Analyse de correspondance Multiples, Analyse des corrélations canoniques.

SPSS Testes Exacts : test d’ajustement khi deux, Kolmogorov, Runs, Test Binomial, K-échantillons, Mesures d’association (nominales, ordinales, Kappa de cohen.)

SPSS Séries: ARIMA, Lissage Exponentiel, Analyse Spectrale, Auto régression.

SPSS Valeurs Manquantes : Analyse de la structure des données manquantes, Remplacement des valeurs manquantes par algorithme EM ou régression.

SPSS Echantillonnages : Echantillonnage aléatoire simple, Echantillonnage stratifié, Echantillonnage en grappe, Systématique avec PPS, PPS Brewer, PPS Murthy.

SPSS arbres de décisions : CHAID, Exhaustive CHAID, Quest., C5.0, CRT 

 SPSS Analyse conjointe, SPSS Validation de données

pour plus d'information vous pourriez  nous contacter par email([e-mail]) ou par téléphone (212)067508990

                                                                                                                                                                                

Formation Statistique théor/partiq

Modèle Base : Reporting et graphique, statistique descriptive, classification (nuées dynamiques, hiérarchique, Two-step), Analyses factorielle, Positionnement, Analyse discriminante, Régression linéaire)

 

Modèles de régression : Régression logistique multinomiale, Régression logistique binaire,régression non linéaire sans contrainte,Régression non linéaire avec contraintes,Moindre carrées pondérés,Doubles moindres carrés, Analyse probit.

 

Modèles Avancés : Analyse de variance, covariance (ANOVA, ANCOVA, MANOVA et MANCOVA), Effets fixes, effets aléatoires, modèle mixtes, Modèle linéaire général (GLM), Mesures répétées univariées.

 

Modèles de Correspondance : Analyse de correspondances, Analyse de l’homogénéité, Analyse de correspondance Multiples, Analyse des corrélations canoniques.

 

Modèles de Testes Exacts : test d’ajustement khi deux, Kolmogorov, Runs, Test Binomial, K-échantillons, Mesures d’association (nominales, ordinales, Kappa de cohen.)

 

Modèles de Séries:ARIMA, Lissage Exponentiel, Analyse Spectrale, Auto régression.

 

Modèles des Valeurs Manquantes : Analyse de la structure des données manquantes, Remplacement des valeurs manquantes par algorithme EM ou régression.

 

Modèles d’ Echantillonnages : Echantillonnage aléatoire simple, Echantillonnage stratifié, Echantillonnage en grappe, Systématique avec PPS, PPS Brewer, PPS Murthy.

 

Modèles d’arbres de décisions : CHAID, Exhaustive CHAID, Quest., C5.0, CRT 

 

Modèles Analyse conjointe, Modèles Validation de données,

formation sur le risque de crédit&bâle2

• Méthodes d’évaluation de risque de crédit (AS, IRB Fondation, IRB Avancée)
• Estimation des paramètres de pondération (PD, LGD, EAD, M, EL, UL).

Utilisation des méthodes de classification supervisées (Réseaux neurones, régression  logistique, Arbres de décision) pour la construction d’un modèle d’analyse (crédit scoring)