Stages de Formation en Statistique Appliquée et Logistique
|
|
- Martin Richard
- il y a 8 ans
- Total affichages :
Transcription
1 Stages de Formation en Statistique Appliquée et Logistique
2 Un aperçu de nos stages Titre Avec PC Durée Info Visualisation de données de laboratoire avec Excel oui 2 jours p. 3 Analyse de données de laboratoire avec Excel oui 2 jours p. 4 Introduction à la biostatistique avec Excel oui 2 jours p. 5 Analyse de mesures répétées oui 2 jours Web Introduction à la méthodologie Six Sigma non 1 jour p. 6 Formation Six Sigma Green Belt oui 5 jours p. 6 Optimisation et supervision de procédés dans le cadre de PAT oui 2 jours p. 7 Maîtrise statistique de la qualité et des procédés oui 1 jour p. 8 Analyse de données de stabilité et de durée de vie oui 2 jours p. 9 Analyse de données de durée de vie oui 1 jour Web Les plans d expériences et leur utilisation avec STAVEX : partie A oui 2 jours p Les plans d expériences et leur utilisation avec STAVEX : partie B oui 2 jours p Conception robuste & méthode de Taguchi oui 2 jours p. 12 Introduction au Data Mining non 1 jour p. 13 Introduction à l analyse de données multivariées non 1 jour p. 13 Data Mining avec des arbres de décision CART oui 2 jours p. 14 Réseaux de neurones et algorithmes génétiques en pratique non 1 jour p. 15 Analyse des flux de matière par simulation : partie A oui 2 jours p Analyse des flux de matière par simulation : partie B oui 2 jours p Dates : se référer au formulaire d inscription. Stages orientés vers les applications et illustrés par divers exemples et exercices. L utilisation de formules mathématiques est réduite au minimum. Cours enseignés en français mais aussi disponibles en anglais et en allemand. Possibilité d organiser les cours «à domicile» pour une entreprise ou un département. Les enseignants sont des statisticiens ou mathématiciens titulaires d un doctorat et avec une expérience professionnelle, en particulier dans l industrie pharmaceutique et chimique mais aussi dans l industrie mécanique et automobile. Informations : Dr. Philippe Solot, AICOS Technologies SA, Efringerstrasse 32, CH-4057 Bâle Tél. : , Fax : , Courriel : psolot@aicos.com Pour de plus amples informations sur les dates de cours et nos activités, veuillez consulter notre site Internet
3 Visualisation de données de laboratoire avec Excel Par des techniques de visualisation appropriées, vous pourrez détecter et comprendre efficacement les dépendances existant dans vos données. Le cours permet de commencer sans peine à utiliser des méthodes statistiques. Il traite les techniques les plus importantes, leur utilisation judicieuse et l interprétation des résultats obtenus. Les méthodes sont essentiellement graphiques et se rattachent aux notions de base de la statistique. Leur apprentissage est facilité par des exercices effectués dans Excel avec une librairie complémentaire, EasyStat. Aux laborantins, aux responsables de laboratoire, aux chimistes, aux ingénieurs. À tous ceux qui travaillent avec Excel et qui souhaitent exploiter au maximum les informations contenues dans leurs données. Avoir des connaissances de base d Excel est un atout. Aucune connaissance préalable en statistique ou en mathématiques est nécessaire. Techniques pour une variable Techniques pour deux variables Diagramme arbre et feuilles Histogramme Moyenne, médiane, écart-type, variance Étendue Boîte à moustache Distributions, loi normale (gaussienne) Intervalles de confiance (idées de base) Graphique quantiles versus quantiles Carte de contrôle simple Graphique de nuage de points Coefficient de corrélation Régression linéaire simple (introduction) Quelques recommandations Diagramme de Pareto Diagramme d Ishikawa Traitement en couches Durée : 2 jours Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com - 3 -
4 Analyse de données de laboratoire avec Excel Le cours est destiné aux personnes soucieuses d exploiter efficacement des données de laboratoire pour, par exemple, assurer la qualité de leurs mesures. Les participants se familiarisent avec les outils les plus importants de la statistique, en principe disponibles sur Excel. Ces outils permettent une visualisation et une modélisation des données. Les notions de base et les méthodes de validation sont introduites. Le cours est orienté vers les applications pratiques. Des exercices sur PC traitant des données analytiques occupent une place centrale dans le cours. Excel et une librairie complémentaire, EasyStat, sont utilisés. Aux laborantins, aux responsables de laboratoire, aux chimistes, aux ingénieurs. Des connaissances préalables élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Des connaissances de base dans l utilisation d Excel sont requises. Rappel de notions de base Comparaison de plusieurs échantillons Expériences inter-laboratoires Régression linéaire Calibration Description de données par des graphiques simples (boîte à moustache, histogramme) Intervalles de confiance pour la moyenne Justesse, répétabilité Problématique des données aberrantes ou extrêmes et tests pour les détecter Graphiques simples de comparaison (boîte à moustache en parallèle) Tests statistiques de comparaison de deux échantillons Analyse de variance pour la comparaison de plusieurs échantillons Reproductibilité de méthodes de mesure Analyse de variance dans une expérience interlaboratoires Ajustement d une droite Intervalles de confiance pour la pente et l ordonnée à l origine Qualité d ajustement et analyse des résidus Transformations pour obtenir une relation linéaire Prédiction Régression forcée par l origine Calibration en tant qu inverse de la régression Intervalle de confiance Durée : 2 jours Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél : , Fax : , Courriel : psolot@aicos.com - 4 -
5 Introduction à la biostatistique avec Excel Le cours présente les principales méthodes de tests statistiques utilisées en biologie, en médecine et en pharmacie. L exemple typique de la biostatistique consiste à détecter et comparer avec assurance les effets significatifs d une substance. Outre les techniques de comparaison de deux ou de plusieurs échantillons, le cours traite la problématique de la comparaison multiple et des mesures répétées ainsi que différents aspects des plans d expériences. Les méthodes sont introduites avec un souci de simplicité, le formalisme mathématique étant réduit au minimum. L accent est mis sur des exercices pratiques sur PC pour lesquels Excel et une librairie complémentaire, EasyStat, sont utilisés. Selon les besoins, des démonstrations avec des programmes statistiques spécifiques seront effectuées. Aux scientifiques en recherche et développement qui souhaitent exploiter efficacement les informations se trouvant dans les données à l aide de méthodes statistiques. Des connaissances préalables élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Des connaissances de base dans l utilisation d Excel sont requises. Notions de base Comparaison de deux échantillons Comparaison de plusieurs échantillons Analyse de tableaux croisés deux-à-deux Distributions continues : loi normale (gaussienne), loi t de Student, loi F de Fisher-Snedecor, loi du chi-carré χ 2 Intervalle de confiance pour la moyenne Notions générales sur les tests statistiques Quelques grandeurs caractéristiques de l échantillon Problématique des données aberrantes ou extrêmes et tests pour les détecter Échantillons appariés et non appariés Test t Influence des grandeurs caractéristiques de l échantillon Tests non paramétriques : Wilcoxon-Mann-Whitney Les bases de l analyse de variance L analyse de variance à deux voies Quelques aspects des expériences inter-laboratoires : effets déterministes ou effets aléatoires Comparaisons multiples Mesures répétées (Repeated Measures) Test chi-carré d indépendance ou d homogénéité Généralisation Voyez aussi le cours spécifique «Analyse de mesures répétées» Vous trouverez des informations détaillées sur ce cours sur Durée : 2 jours Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél : , Fax : , Courriel : psolot@aicos.com - 5 -
6 Introduction à la méthodologie Six Sigma & Formation Six Sigma Green Belt Vous êtes confronté à la nécessité d optimiser vos procédés et de réduire notablement les coûts et vous désirez utiliser à ces fins la stratégie Six Sigma qui a fait ses preuves? Vous souhaitez acquérir, sur la base de nombreux cas pratiques, les connaissances indispensables à un Green Belt pour bien maîtriser le déroulement du projet et les analyses statistiques qui en font partie? Ce cours propose tout d abord une introduction d une journée à la méthodologie Six Sigma et explique dans ce cadre les 5 étapes DMAIC (Définir Mesurer Analyser Améliorer (Improve) Maîtriser (Control)). Vous apprendrez ensuite à connaître les outils Six Sigma et à les mettre en oeuvre efficacement. Vous appliquerez immédiatement les connaissances acquises pour résoudre par vous-même une série d exercices issus de la pratique. Pour vous faciliter la tâche, vous utiliserez Excel ainsi qu un progiciel convivial pour Six Sigma. La formation Green Belt comprend, outre un examen final et une attestation correspondante, une licence annuelle de ce progiciel.... l introduction? Aux managers qui souhaitent s informer sur les possibilités d application de Six Sigma, aux responsables production et qualité et aux responsables Six Sigma.... la formation Green Belt? Aux ingénieurs, aux scientifiques et aux techniciens dans les secteurs du développement, du génie des procédés, de la production et de la qualité. Aucune connaissance préalable en statistique n est requise, mais des connaissances de base d Excel sont recommandées. Méthodologie Six Sigma (1 jour) Outils Six Sigma (3,5 jours) Conclusion (0,5 jour) Qu est-ce que Six Sigma? Droit au but en 5 étapes claires (DMAIC) Vue d ensemble des outils Six Sigma Mise en place du système en entreprise, gestion de projet Présentation de projets Six Sigma réussis Process Mapping, diagramme d Ishikawa Visualisation de données Concepts de base (statistiques élémentaires, capabilité du procédé,...) Maîtrise Statistique de la Qualité et des Procédés Tests statistiques pour comparer des groupes Introduction aux plans d expériences Exercices détaillés sur PC Examen (certificat «Six Sigma Green Belt AICOS Technologies») Durée : 1 jour (Introduction), resp. 5 jours (Formation Green Belt) Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne pour la formation Green Belt) Tél : , Fax : , Courriel : psolot@aicos.com - 6 -
7 Optimisation et supervision de procédés dans le cadre de PAT (Process Analytical Technology) Voulez-vous adapter votre production aux standards GMP ou y est-elle déjà conforme? Vous voulez aussi mieux comprendre et maîtriser vos procédés? PAT (Process Analytical Technology) est une approche systématique qui constitute un des points clés de l initiative «GMP pour le 21 e siècle» de la FDA et qui est également fortement suivie par l'emea. Dans le cadre de la supervision de procédés requise par PAT, on collecte souvent de grandes quantités de données. Vous apprendrez à concevoir, analyser et superviser systématiquement vos procédés de fabrication en vous fondant sur les mesures des paramètres de qualité critiques. La priorité est accordée ici aux méthodes fondamentales qui, utilisées à bon escient, permettent de mieux comprendre les procédés. Les applications sont illustrées par de nombreux exemples pratiques et par des démonstrations de logiciel. Vous aurez en outre l'occasion de mettre les connaissances acquises en application au cours de nombreux exercices sur PC. Aux ingénieurs, aux scientifiques et aux techniciens dans les secteurs du développement, du génie des procédés, de la production et de la qualité. Des connaissances élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Le projet PAT Notions de base Plans d expériences Maîtrise des procédés Analyse de données multivariées La philosophie de PAT Stratégies pour l amélioration des procédés Visualisation de données Régression linéaire (multiple) : modélisation de la structure de corrélation entre observations Concept des plans d expériences statistiques Spécifications de l utilisateur Stratégie : criblage, modélisation, optimisation Plans d expériences : plans factoriels (fractionnaires), plans d optimisation Méthodes d analyse utilisées Cartes de contrôle Cartes Cusum Capabilité du processus : indices Cp et Cpk Analyse en composantes principales (ACP) Analyse discriminante Application : réduction de la dimension et maîtrise des procédés multivariée Durée : 2 jours Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com - 7 -
8 Maîtrise statistique de la qualité et des procédés Quand un procédé est-il sous contrôle? Comment reconnaît-on un écart par rapport à une valeur spécifiée? Comment peut-on comparer les résultats d un procédé sous contrôle aux spécifications exigées? Dans ce cours, vous apprendrez les principales techniques de supervision, d amélioration et de validation des procédés. Les méthodes sont essentielles en développement et en production (BPF/GMP) afin d identifier rapidement des variations de qualité et de documenter le déroulement des procédés (par exemple selon l Annual Product Review). Le cours présente beaucoup d applications pratiques et évite le formalisme mathématique dans la mesure du possible. Toutes les méthodes sont illustrées par des démonstrations sur PC. Principalement à des techniciens et à des responsables du contrôle de qualité. Des connaissances élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Maîtrise statistique de la qualité Maîtrise statistique des procédés (MSP) Aperçu de quelques autres méthodes (Quality by Design) Contexte historique Échantillons Plans d échantillonnage : Concepts (caractéristiques des opérations) Exemples (MIL STD 105E) Cartes de qualité (cartes de contrôle) pour des valeurs groupées pour des valeurs individuelles limites de contrôle et de spécification Cartes Cusum Capabilité du processus : indices Cp et Cpk Maîtrise de procédés multivariée Stratégies pour l amélioration des procédés Durée : 1 jour Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com - 8 -
9 Analyse de données de stabilité et de durée de vie Devez-vous veiller à ce que votre produit soit utilisable sans problème ou conserve les mêmes propriétés pendant une certaine période? Au moyen des méthodes présentées, issues des domaines de la fiabilité et de l analyse de données de stabilité et de durée de vie, vous apprendrez dans ce cours à estimer de manière plausible la durée de conservation ou de fiabilité de votre produit. L accent sera mis sur l utilisation de méthodes graphiques ainsi que sur le choix et l adaptation de distributions statistiques adéquates. Les méthodes seront illustrées par des exemples et des exercices pratiques issus de l industrie chimique et pharmaceutique ainsi que de l industrie des machines. Des démonstrations logicielles complèteront la présentation. La mise en oeuvre des normes de la ICH sera discutée en détail. Aux chimistes, aux pharmaciens et aux ingénieurs qui sont responsables de la stabilité ou du fonctionnement sans faille de produits sur un certain horizon temporel. Aux personnes qui doivent analyser des données de fiabilité ou de péremption. Des connaissances élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Introduction Modèles de données de stabilité (traitement détaillé) Modèles de durée de vie (vue d ensemble) Situation des données Bases de statistique Régression linéaire Ajustement d une droite Intervalles de confiance Analyse de covariance «Pooling» des données Réponses multiples Normes ICH : mise en oeuvre Survival-Plots, Hazard-Plots Modèles paramétriques : Distribution exponentielle, distribution de Weibull Modèles non paramétriques (Estimation de Kaplan-Meier) Voyez aussi le cours spécifique «Analyse de données de durée de vie» Vous trouverez des informations détaillées sur ce cours sur Durée : 2 jours (cours spécifique «Analyse de données de durée de vie» : 1 jour) Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com - 9 -
10 Les plans d expériences et leur utilisation avec STAVEX Les plans d expériences statistiques permettent d obtenir un maximum d informations à un coût minimal. Les avantages bien connus des plans d expériences sont : L efficacité : seules les expériences indispensables sont réalisées! L exactitude : pour un effort expérimental donné, la plus grande exactitude possible sera atteinte. Les interactions : les synergies existant entre les paramètres sont identifiées et mieux comprises. Le cours s adresse aux scientifiques qui souhaitent utiliser les plans d expériences statistiques afin, par exemple, d optimiser des procédés ou des produits à l aide de STAVEX. STAVEX est un progiciel convivial pour PC. Il a été initialement développé par l ancienne multinationale Ciba-Geigy et fonctionne sous Windows. Conçu comme système-expert, il guide l utilisateur dans tout le processus d optimisation qui va de la planification à l analyse des données. À chaque étape, il offre des conseils et facilite l interprétation des résultats. La poursuite du développement de STAVEX et sa maintenance sont assurées par AICOS Technologies SA. D une part, le cours permet d acquérir les connaissances de base nécessaires à une utilisation aisée des plans d expériences statistiques. D autre part, il permet aux participants de se familiariser avec STAVEX au moyen de nombreux exemples et exercices pratiques. Le cours se divise en deux parties, A et B, chacune programmée sur deux jours. Elles peuvent être suivies indépendamment l une de l autre. Dans la seconde partie, les participants ont la possibilité de soumettre leurs propres jeux de données. Aux scientifiques dans les domaines de la chimie, de la physique, du génie des procédés,... dans les secteurs de la recherche, du développement et de la production. Aucune connaissance préalable en statistique ou en mathématiques n est requise. La partie A ne suppose pas forcément une utilisation ultérieure de STAVEX. La partie B présuppose les connaissances acquises dans la partie A ou des connaissances équivalentes. Il est souhaitable, mais pas indispensable, d avoir déjà utilisé STAVEX (traitement puis discussion d exemples issus de données soumises par les participants)
11 Les plans d expériences et leur utilisation avec STAVEX Partie A : Concepts des plans d expériences statistiques Motivation : Pourquoi les plans d expériences statistiques sont-ils supérieurs à la méthode par tâtonnements? Spécifications de l utilisateur : variables de réponse, facteurs, interactions Stratégie : criblage de facteurs modélisation optimisation d une variable de réponse Les plans d expériences : plans factoriels plans factoriels fractionnaires plans d optimisation Les méthodes d analyse utilisées : criblage : graphique semi-normal modélisation et optimisation : régression multiple Expérimentation séquentielle Partie B : Optimisation de plusieurs variables de réponse : fonction de profit fonction de désirabilité Aspects économiques Plans particuliers : plans Desperado plans D-optimaux plans pour facteurs qualitatifs Adaptation de plans : contraintes expérimentales, tendance Complétion de plans par des expériences spécifiques Prise en compte a posteriori d un réglage imprécis du niveau des facteurs Visualisation interactive des plans et des résultats de l analyse Variables de réponse qualitatives : spécification et plans méthode d analyse utilisée : analyse discriminante Facteurs de mélange : concepts et définition des contraintes plans analyse Discussion de problèmes rencontrés par les participants : chaque participant a la possibilité d analyser avec l enseignant ses propres exemples appliqués. Recommandations pratiques Durée : 2 jours (partie A) et 2 jours (partie B) Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com
12 Conception robuste & méthode de Taguchi Souhaitez-vous développer vos procédés de telle sorte qu ils soient peu sensibles aux variations des paramètres du système et ne s éloignent pas d un objectif? Et bien entendu à coût minimal en un laps de temps très court? Grâce à de simples applications innovatrices de la technique des plans d expériences, ces objectifs ambitieux et a priori contradictoires peuvent être atteints. D abord étudiées au Japon par G. Taguchi, elles constituent actuellement une partie reconnue de la méthodologie moderne d optimisation des procédés et des produits. Ces techniques ont fait leurs preuves dans plusieurs secteurs industriels comme la chimie, l agro-alimentaire, l automobile et l électronique. Elles peuvent aussi être utilisées dans l industrie pharmaceutique, par exemple dans l optimisation d instruments de mesure analytiques (HPLC) ou pour l installation d appareils sophistiqués. Après un bref rappel des concepts de base des plans d expériences et de leur utilisation, la méthode de Taguchi sera exposée. Ses avantages et ses inconvénients ainsi que les récents résultats de l ingénierie robuste seront discutés. La dernière partie du cours est consacrée aux problèmes rencontrés par les participant(e)s (présentation puis discussion). Aux scientifiques, aux ingénieurs et aux responsables de la qualité dans les secteurs du développement, de la production ou du contrôle de qualité. Des connaissances élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Des connaissances en plans d expériences ne sont pas indispensables mais constituent un atout. Notions de base Techniques d analyse simples Raffinements Aspects pratiques Durée : 2 jours Philosophie de Taguchi en vue d améliorer la qualité Le problème du plan robuste au sens de Taguchi Quelques concepts des plans d expériences et de leur utilisation Exemples Principe de Taguchi dans les plans d expériences Rapports signal/bruit Les plans d expériences de Taguchi Critique de la méthode de Taguchi Analyse des effets d échange Traitement commun des paramètres de plan et de perturbation Caractéristiques dynamiques Les paramètres de perturbation non maîtrisables Discussion des problèmes soumis par les participant(e)s Recommandations pratiques Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél. : , Fax : , Courriel : psolot@aicos.com
13 Introduction au Data Mining Soupçonnez-vous vos bases de données de receler des trésors d informations cachées? Le «Data Mining» désigne les procédés et les algorithmes permettant de découvrir les structures et relations se trouvant dans les grandes bases de données complexes. Ce cours présente un large aperçu des principales méthodes de Data Mining. Différents aspects de l organisation des données seront abordés, et quelques techniques statistiques choisies seront exposées et illustrées par des exemples concrets. Aux managers et aux scientifiques. Aucune connaissance en statistique n est requise. Introduction Qu est-ce que le Data Mining? Data Mining et analyse statistique des données Organisation des données Collecte, sources et qualité des données et concepts Stockage des données (Data Warehouse) Techniques statistiques choisies (aperçu) Traitement analytique en ligne (OLAP) Apprentissage, analyse par regroupement Modélisation, arbres de classification (CART) Réseaux de neurones, algorithmes génétiques Limites du Data Mining Introduction à l analyse de données multivariées Souhaitez-vous découvrir et examiner les dépendances entre plusieurs variables? Différentes méthodes de la statistique multivariée, aussi bien numériques que graphiques, peuvent vous permettre d identifier les principales structures existant dans vos données. Elles rendent possible une interprétation claire et rapide des dépendances. Ces méthodes et leur utilisation sont illustrées par de nombreux exemples pratiques (production de colorants, qualité de procédés, spectrographie). Le cours est complété par des démonstrations sur PC. À tous ceux qui souhaitent analyser de grands jeux de données multivariées (des connaissances de base en statistique selon le contenu du cours en page 3 sont nécessaires). Représentations graphiques Réduction de la dimension Discrimination et classification D autres questions? Durée : 1 jour (pour chacun des cours de cette page) Nombre de participants : de 4 à 12 personnes Matrice de nuages de points, trellis-display, graphiques interactifs à l aide de l ordinateur (Spin, Brush) Analyse en composantes principales (ACP), biplot Analyse discriminante, arbres de classification et de régression (CART), classification hiérarchique Philippe Solot, AICOS Technologies SA, Tél. : , Fax : , Courriel : psolot@aicos.com
14 Data Mining avec des arbres de décision CART Votre production est confrontée à de graves problèmes de qualité sans que la cause ait pu être identifiée? Ou êtes-vous plutôt dans le domaine commercial et perdez des clients sans raison apparente? Si vous disposez d une grande quantité de données inexploitées, alors la puissance des arbres de décision CART vous permettra de comprendre l influence des divers paramètres (température, concentration, durée,... ou âge du client, sexe,...) sur votre système. Vous pourrez ainsi l optimiser efficacement. Ce cours présente les concepts de base des arbres de classification et de régression et les illustre par des exemples pratiques issus de divers domaines. De nombreux exercices sur ordinateur vous permettront de comprendre comment la méthode présentée peut vous aider à prendre aisément de bonnes décisions. Vous vous familiariserez en outre avec le logiciel convivial CART qui a déjà permis à de nombreuses entreprises d augmenter notablement leur efficacité. Aux responsables de la qualité, de la production ou du développement qui souhaitent exploiter des jeux de données de grande taille. Aux responsables marketing qui désirent analyser des données client pour créer ou promouvoir des produits ciblés. Des connaissances élémentaires en statistique sont requises (par exemple celles correspondant au cours «Visualisation de données de laboratoire avec Excel»). Introduction Arbres de classification Arbres de régression Mise en oeuvre en pratique L analyse de données non paramétrique Automatiser l analyse de données Comment lire un arbre de décision Quelques exemples d applications Historique Division de la population en sous-groupes, règles de division, affectation aux classes Croissance et élagage des arbres de décision Visualisation et interprétation des résultats Classification ou régression? Paramètres de contrôle Exemple pratique Bases de la régression Règles de division Construire des fichiers adéquats Utiliser les données existantes Données d apprentissage, de test et de validation Votre modèle : construction automatique de l arbre, sélection des variables, interprétation des résultats Automatiser les rapports, exporter les graphiques Faire des prédictions et exporter les modèles pour la production Durée : 2 jours Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Philippe Solot, AICOS Technologies SA, Tél. : , Fax : , Courriel : psolot@aicos.com
15 Réseaux de neurones et algorithmes génétiques en pratique Souhaitez-vous déceler les nombreuses informations inconnues que contient une grande base de données complexe? Désirez-vous faire des prédictions fiables à partir de données antérieures? Devez-vous trouver une combinaison optimale des divers paramètres d entrée d un système? Les réseaux de neurones et les algorithmes génétiques sont alors à même de vous aider. Les réseaux de neurones ont la faculté d apprendre les relations les plus complexes entre des données, en particulier là où les méthodes statistiques ne sont applicables que de manière limitée. Le cours présente les idées générales des réseaux de neurones qui ont été appliquées à différents domaines (l industrie chimique, la robotique, la prédiction d un changement de tendance en bourse, la reconnaissance d images, la médecine etc...). Les algorithmes génétiques, qui figurent parmi les méthodes les plus robustes d optimisation, sont ensuite présentés. Ils peuvent notamment être utilisés pour l apprentissage de réseaux de neurones. La méthodologie est exposée dans le cours tout comme quelques applications pratiques par l intermédiaire de demonstrations sur PC. Aux managers et aux scientifiques. Des connaissances préalables minimales en mathématiques sont souhaitées mais ne sont pas indispensables. Réseaux de neurones Algorithmes génétiques Logiciel Développement historique Le perceptron multicouches (feed-forward) L apprentissage par l algorithme de rétro-propagation Forces et faiblesses des réseaux de neurones Étude de cas Motivation par la biologie Notions de base : aptitude, sélection, recombinaison, mutation Avantages et inconvénients Exemples d utilisation Comparaison de quelques logiciels Démonstration avec Excel Durée : 1 jour Nombre de participants : de 4 à 12 personnes Tél. : , Fax : , Courriel : psolot@aicos.com
16 Analyse de flux de matière par simulation Devez-vous optimiser l efficacité ou l utilisation d une installation de production existante ainsi que des procédés correspondants, par exemple suite à des changements dans la répartition de la demande entre les produits? Ou, en tant qu ingénieur, concevoir de manière optimale une nouvelle usine? Dans ce cours, vous apprendrez à identifier les goulots d étranglement au moyen de simulations de nature logistique et à effectuer des analyses de capacité, afin de réduire les coûts de production et d éviter tout investissement superflu. Ce cours s adresse aux personnes qui désirent utiliser la simulation, par exemple pour optimiser des procédés et des installations de production, et qui souhaitent utiliser SIMBAX dans ce cadre. SIMBAX est un progiciel convivial pour PC. Il a été développé initialement par l ancienne multinationale Ciba-Geigy et fonctionne sur Windows. SIMBAX a été conçu pour les besoins spécifiques de l industrie de process et permet à l ingénieur de modéliser facilement une multitude d opérations des procédés continus à la logistique des conteneurs en passant par les opérations batch usuelles. Le progiciel offre de nombreux résultats graphiques, par exemple un diagramme de Gantt animé et des représentations statistiques pour l analyse des résultats. La poursuite du développement de SIMBAX et sa maintenance sont assurées par AICOS Technologies SA. D une part, le cours permet d acquérir les connaissances de base nécessaires à une utilisation aisée de la simulation de flux de matière. D autre part, il permet aux participants de se familiariser avec SIMBAX au moyen de nombreux exemples et exercices pratiques. Le cours se divise en deux parties, A et B, chacune programmée sur deux jours. Elles peuvent être suivies indépendamment l une de l autre. Aux ingénieurs en développement des procédés et/ou en conception d usines qui souhaitent profiter des possibilités d optimisation existant au niveau logistique (élimination des goulots d étranglement). Aux ingénieurs chimistes et aux responsables de production qui souhaitent utiliser pleinement le potentiel de capacité d installations multi-produit existantes en évitant systématiquement les conflits entre flux de matière. Aux managers qui souhaitent s informer sur les possibilités d application de la simulation de flux de matière
17 Analyse de flux de matière par simulation Partie A : Partie B : Introduction Niveaux de conception et de planification dans les industries de process Composantes d un modèle de simulation SIMBAX et son environnement Simulation d un procédé isolé Description et modélisation de l équipement Description et modélisation d un procédé Une première simulation Analyse des résultats de simulation (diagramme de Gantt, statistiques d utilisation,...) Simulation d une usine multi-produit Représentation des produits et des matières premières Description et modélisation d un plan de production Tour d horizon des fonctions de SIMBAX Description détaillée d une étape de procédé Aperçu des opérations disponibles (y.c. opérations parallèles et conditionnelles) Exercice récapitulatif Procédés semi-continus, y.c. opérations de séparation et réservoirs tampons Modélisation rapide de procédés semblables au moyen de paramètres et supervision de variables définies par l utilisateur Analyse graphique détaillée du diagramme de Gantt dans des installations multi-produit Trafic de conteneurs : remplissage, vidage, transport Synchronisation de plusieurs opérations Regroupement ou division de batchs en cours de procédé Contraintes temporelles : disponibilité des appareils et des ressources, y.c. consommation de ressources variable et modélisation de pannes Gestion des données procédé et produit à l aide d Excel Durée : 2 jours (partie A) et 2 jours (partie B) Nombre de participants : de 4 à 12 personnes (1 ordinateur par personne) Tél : , Fax : , Courriel : psolot@aicos.com
18 Les chargés de cours Philippe Solot est directeur d AICOS Technologies. Il possède une expérience de plus de quinze ans dans le milieu industriel. Il s est principalement spécialisé dans le domaine de l optimisation mathématique et de son application pour améliorer les processus de développement et de production. Il donne régulièrement des cours dans de hautes écoles suisses et françaises et a publié plus de vingt articles dans des revues scientifiques internationales réputées telles que International Journal of Production Research et INFOR. Monsieur Solot possède un doctorat de l Ecole Polytechnique Fédérale de Lausanne. Il a reçu le prix Robert Faure de l AFCET (France) pour sa thèse. Il a été président de l Association Suisse de Recherche Opérationnelle de 2001 à Stefanie Feiler est consultante en statistique appliquée chez AICOS Technologies. Elle possède quatre ans d expérience en tant qu assistante de recherche au département de statistique de l université de Heidelberg (Allemagne). Parallèlement, elle a participé à des modules d enseignement destinés à des praticiens de l industrie pharmaceutique ainsi qu à des médecins, et a collaboré avec des chercheurs de l hôpital universitaire de Heidelberg à l analyse de données d études psychosomatiques. Elle se passionne particulièrement pour la diffusion des méthodes statistiques aux praticiens qui ont régulièrement besoin, dans leur travail quotidien, de procédures statistiques. Madame Feiler a étudié les mathématiques et la chimie à l université de Tübingen (Allemagne). Son cursus comprend une année à Besançon, dans le cadre d un programme d échange d étudiants, où elle a obtenu une maîtrise en mathématiques pures. Elle a soutenu sa thèse à l Université de Heidelberg fin
19 Commentaires de participants Quelques commentaires spontanés extraits des formulaires d évaluation des cours : «Un cours très bien structuré» «Graphiques très simples pour découvrir les dépendances complexes» «Ce qui a été présenté se retrouve très bien dans les exercices» «Le chargé de cours était excellent et très compétent. Il a rendu compréhensibles des dépendances compliquées et les a représentées clairement» «De nombreux problèmes peuvent être résolus avec STAVEX» «En général, j ai trouvé les exercices pratiques sur PC très bons» «Un bon mélange entre la théorie et la pratique» «Très bon support de cours» «Très professionnel, EasyStat fut une agréable surprise!» «Mes attentes ont été dépassées : la statistique n était plus ennuyeuse. Un mélange agréable entre théorie et exercices» Nous offrons aussi des cours adaptés à vos besoins spécifiques! AICOS Technologies SA a déjà donné des cours «à domicile» dans les entreprises suivantes : Alcan B. Braun Medical Ciba Spécialités Chimiques Clariant Eckart Ems-Chemie F. Hoffmann-La Roche Mettler-Toledo Novartis Pharma Oril Industrie Sanofi-Aventis Siegfried Sika Syngenta Crop Protection ZLB Behring etc
20 Progiciels : Conseil ou réalisation de projets Solutions informatiques pour vos analyses de routine avec Excel, S-Plus, SAS STAVEX : Notre système-expert pour les plans d expériences EasyStat : Nos pratiques macros Excel validées Pr SIMBAX : Notre solution pour la simulation de flux de matière CART : Notre progiciel convivial de Data Mining Des questions? Des problèmes? Appelez-nous sans hésiter : QuickGantt & Schedule++ : Nos solutions pour faciliter l ordonnancement Tél. : Fax : ou envoyez-nous un courriel à : info@aicos.com AICOS Technologies SA Efringerstrasse 32 CH-4057 Bâle
Stages de Formation en Statistique Appliquée et Logistique
Stages de Formation en Statistique Appliquée et Logistique Un aperçu de nos stages Titre Avec PC Durée Info Visualisation de données de laboratoire avec Excel oui 2 jours p. 3 Analyse de données de laboratoire
Plus en détailOrganisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.
2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailLE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION
LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailLa survie nette actuelle à long terme Qualités de sept méthodes d estimation
La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg
Plus en détailAnalyse de grandes bases de données en santé
.. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.
Plus en détailStructure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données
Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailClasse de première L
Classe de première L Orientations générales Pour bon nombre d élèves qui s orientent en série L, la classe de première sera une fin d étude en mathématiques au lycée. On a donc voulu ici assurer à tous
Plus en détailL'intelligence d'affaires: la statistique dans nos vies de consommateurs
L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires
Plus en détailTABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailTechniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit
Techniques du Data Mining pour la prédiction de faillite des entreprises et la gestion du risque de crédit Adil Belhouari HEC - Montréal - Journées de l Optimisation 2005-09 Mai 2005 PLAN DE LA PRÉSENTATION
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailCycle de formation certifiante Sphinx
Cycle de formation certifiante Sphinx 28, 29, 30 Mai 2015 Initiation, Approfondissement et Maîtrise Etudes qualitatives / quantitatives Initiation, approfondissement et maîtrise des études qualitatives
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailMIKRON CUSTOMER SERVICE. Un service client adapté à vos besoins
MIKRON CUSTOMER SERVICE Un service client adapté à vos besoins 2-3 CUMULEZ LES OPTIONS DE SERVICES DE CHAQUE MODULE POUR AMéLIORER LA PRODUCTIVITé DE VOTRE SYSTÈME MIKRON CUSTOMER SERVICE FLEXIBLE, MODULAIRE,
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailDomaine : Sciences, Technologies et Santé Mention : Nutrition, Sciences des aliments, Agroalimentaire
Contexte Domaine : Sciences, Technologies et Santé Mention : Nutrition, Sciences des aliments, Agroalimentaire Fédération des spécialités de Master des 5 pôles universitaires partenaires de la région Nord-Pas-de-Calais
Plus en détailÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab
ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailAlgèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS
1er semestre UE1-01 E Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS Introduction au système SAS 25,5
Plus en détailDETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES
Agence fédérale pour la Sécurité de la Chaîne alimentaire Administration des Laboratoires Procédure DETERMINATION DE L INCERTITUDE DE MESURE POUR LES ANALYSES CHIMIQUES QUANTITATIVES Date de mise en application
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailAnalyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés
Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés Professeur Patrice Francour francour@unice.fr Une grande partie des illustrations viennent
Plus en détailSigma Consulting est un cabinet conseil spécialisé en management des organisations. Le Management en mode projet..2
Sigma Consulting est un cabinet conseil spécialisé en management des organisations. Sa mission est d'aider les entreprises à développer la qualité de service dont ont besoin leurs clients internes ou externes.
Plus en détailDébouchés professionnels
Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche
Plus en détailAméliorer les performances du site par l'utilisation de techniques de Web Mining
Améliorer les performances du site par l'utilisation de techniques de Web Mining CLUB SAS 2001 17/18 octobre 2001 Stéfan Galissie LINCOLN stefan.galissie@lincoln.fr contact@web-datamining.net 2001 Sommaire
Plus en détailUNIVERSITÉ MOHAMMED VI POLYTECHNIQUE MASTERE SPÉCIALISÉ MILEO
UNIVERSITÉ MOHAMMED VI POLYTECHNIQUE MASTERE SPÉCIALISÉ MILEO Management Industriel et Excellence Opérationnelle Diplôme conjoint de l'ecole des Mines de Paris (Mines ParisTech) et de l EMINES School of
Plus en détailMÉTHODOLOGIE DE L ASSESSMENT CENTRE L INSTRUMENT LE PLUS ADÉQUAT POUR : DES SÉLECTIONS DE QUALITÉ DES CONSEILS DE DÉVELOPPEMENT FONDÉS
MÉTHODOLOGIE DE L ASSESSMENT CENTRE L INSTRUMENT LE PLUS ADÉQUAT POUR : DES SÉLECTIONS DE QUALITÉ ET DES CONSEILS DE DÉVELOPPEMENT FONDÉS 1. Introduction Placer la «bonne personne au bon endroit» représente
Plus en détailLA LICENCE D ENSEIGNEMENT (LE)
La licence d enseignement (LE) Licence d enseignement dans les matières reconnues par l Etat libanais comme disciplines d enseignement. Nombre de crédits : 40 crédits, capitalisables dans le CAPES, à effectuer
Plus en détailLE MANAGEMENT PUBLIC : NOUVELLES APPROCHES, MÉTHODES ET TECHNIQUES. Sous la direction des Professeurs Martial Pasquier et Jean-Patrick Villeneuve
MASTER OF Ouvert aux participant-e-s extérieur-e-s MPAPUBLIC ADMINISTRATION LE MANAGEMENT PUBLIC : NOUVELLES APPROCHES, MÉTHODES ET TECHNIQUES Sous la direction des Professeurs Martial Pasquier et Jean-Patrick
Plus en détailLOGICIELS DE PRÉVISIONS
Pour vos appels d offre Mars 2014 LGICIELS DE PRÉVISINS 4 e ÉDITIN SAS INSTITUTE SAS Forecast Server SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NM de l'éditeur SAS Institute
Plus en détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en détailStatistiques Appliquées à l Expérimentation en Sciences Humaines. Christophe Lalanne, Sébastien Georges, Christophe Pallier
Statistiques Appliquées à l Expérimentation en Sciences Humaines Christophe Lalanne, Sébastien Georges, Christophe Pallier Table des matières 1 Méthodologie expérimentale et recueil des données 6 1.1 Introduction.......................................
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailDUT Statistique et Traitement Informatique des Données (S.T.I.D.)
UNIVERSITÉ DE LILLE 2 IUT DE ROUBAIX DÉPARTEMENT STATISTIQUE ET TRAITEMENT INFORMATIQUE DES DONNÉES DUT Statistique et Traitement Informatique des Données OBJECTIFS : (S.T.I.D.) Il s agit d une formation
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailQu est-ce que le ehealthcheck?
Plus la dépendance d une compagnie envers ses systèmes informatiques est grande, plus le risque qu une erreur dans les processus métiers puisse trouver ses origines dans l informatique est élevé, d où
Plus en détailGUIDE DE CONSTITUTION DE DOSSIER EN VUE DE LA RECONNAISSANCE ET/OU DE L EQUIVALENCE DES DIPLOMES, TITRES ET GRADES DE L ENSEIGNEMENT SUPERIEUR
CONSEIL AFRICAIN ET MALGACHE POUR L'ENSEIGNEMENT SUPERIEUR (C. A. M. E. S.) 01 B.P. 134 OUAGADOUGOU 01 (BURKINA FASO) Tél. : (226) 50.36.81.46 - Fax : (226) 50.36.85.73 Email : cames@bf.refer.org GUIDE
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailSUPPLEMENT AU DIPLOME
SUPPLEMENT AU DIPLOME Préambule : «Le présent supplément au diplôme suit le modèle élaboré par la Commission européenne, le Conseil de l Europe et l UNESCO/CEPES. Le supplément vise à fournir des données
Plus en détailLogiciel LabX. Parfait aperçu, contrôle total. Logiciel de pilotage des instruments de laboratoire. Logiciel LabX
Logiciel Logiciel balance titrage connect Parfait aperçu, contrôle total Logiciel de pilotage des instruments de laboratoire Logiciel Un laboratoire intelligent grâce à est une plate-forme logicielle unique
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailMaster en Gouvernance et management des marchés publics en appui au développement durable
Master en Gouvernance et management des marchés publics en appui au développement durable Turin, Italie Contexte Le Centre international de formation de l Organisation internationale du Travail (CIF-OIT)
Plus en détailLa meilleure main-d œuvre d Europe pour les métiers de la production en salles blanches (pharma, chimie, agro-alimentaire )
Bientôt en Alsace : La meilleure main-d œuvre d Europe pour les métiers de la production en salles blanches (pharma, chimie, agro-alimentaire ) Création d une usine-école unique en Europe L Etat, dans
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailMRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010
E MRK -6081 A : Méthodes d Analyse de Données en Marketing Automne 2010 Professeure :Elissar Toufaily Plage horaire du cours : Cours en salle Jeudi 15h 30-18h30 Local 4221 PAP Du 2 septembre. 2010 au 9
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailMaster 2 professionnel MAAPS Méthodologies Analytiques Appliquées aux Produits de Santé
Master 2 professionnel MAAPS Méthodologies Analytiques Appliquées aux Produits de Santé Parcours MASTER : Sciences Technologies Santé MENTION : Médicaments et Produits de Santé SPECIALITE : Master PRO
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailQuels outils pour prévoir?
modeledition SA Quels outils pour prévoir? Les modèles de prévisions sont des outils irremplaçables pour la prise de décision. Pour cela les entreprises ont le choix entre Excel et les outils classiques
Plus en détailOutils pour les réseaux de neurones et contenu du CD-Rom
Outils pour les réseaux de neurones et contenu du CD-Rom Depuis le développement théorique des réseaux de neurones à la fin des années 1980-1990, plusieurs outils ont été mis à la disposition des utilisateurs.
Plus en détailHelpDesk. Sept avantages de HelpDesk
HelpDesk Artologik HelpDesk est l outil rêvé pour ceux qui recherchent un programme de support et de gestion des tickets alliant facilité d utilisation et puissance. Avec Artologik HelpDesk, vous pourrez
Plus en détailL apport des logiciels d optimisation des stocks multi-échelons
omment passer à la vitesse supérieure dans le calcul des stocks de sécurité et aller plus loin que les ERP et APS traditionnels? est ce que nous explique Tanguy aillet de J&M Management onsulting en nous
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailFormation projet informatique. Expression de besoins, définir un besoin informatique
Formation projet informatique Expression de besoins, définir un besoin informatique Enjeux L'expression de besoins est le premier document produit, avant même le commencement du projet Détermine le lancement
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailC ) Détail volets A, B, C, D et E. Hypothèses (facteurs externes au projet) Sources de vérification. Actions Objectifs Méthode, résultats
C ) Détail volets A, B, C, D et E Actions Objectifs Méthode, résultats VOLET A : JUMELAGE DE 18 MOIS Rapports d avancement du projet. Réorganisation de l administration fiscale Rapports des voyages d étude.
Plus en détailItem 169 : Évaluation thérapeutique et niveau de preuve
Item 169 : Évaluation thérapeutique et niveau de preuve COFER, Collège Français des Enseignants en Rhumatologie Date de création du document 2010-2011 Table des matières ENC :...3 SPECIFIQUE :...3 I Différentes
Plus en détailApplication cobas IT 1000 Gestion des données de Point-of-Care
Application cobas IT 1000 Gestion des données de Point-of-Care Solutions informatiques pour diagnostic de Point-of-Care Aperçu de la gamme de Roche Logiciel cobas IT 1000 cobas IT 1000 est une solution
Plus en détailBUSINESS FORECASTING SYSTEM
Septembre 2012 Pour vos appels d offre LOGICIELS DE PRÉVISION 3 e ÉDITION BUSINESS FORECASTING SYSTEM XE - Unlimited SC Trac SC SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NOM
Plus en détailMises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.
Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle
Plus en détailRéseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.
Ce document a été numérisé par le CRDP de Bordeaux pour la Base Nationale des Sujets d Examens de l enseignement professionnel. Campagne 2013 Ce fichier numérique ne peut être reproduit, représenté, adapté
Plus en détailPRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.
PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans
Plus en détailStatistiques et traitement des données
Statistiques et traitement des données Mention : Mathématiques Nature de la formation : Diplôme national de l'enseignement Supérieur Durée des études : 2 ans Crédits ECTS : 120 Formation accessible en
Plus en détailFilière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux
Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Objectifs Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Structure générale des études à l UTC Règlement
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailCompétence dans la gestion de la chaîne logistique
ORSOFT GmbH développe, commercialise et met en application des extensions fonctionnelles pour les systèmes «ERP». Nous vous garantissons les meilleurs extensions (add-ons) pour les systèmes SAP ERP et
Plus en détailPAS X. PAS-X Services. Competence. Implementation. Support. Vue d ensemble des services. Portfolio des services proposés
PAS-X PAS-X Vue d ensemble des services Portfolio des services proposés En complément de ses produits Manufacturing IT, Werum propose des prestations de services complètes. La société Werum apporte son
Plus en détailAméliorer la Performance des Fournisseurs
Les Solutions SQA de Solumina L Assurance Qualité Fournisseur Figure 1 Influence sur les affaires de nos clients actuels. Réduire des Stocks lors des Inspections Le Système de Contrôle Qualité Fournisseurs
Plus en détailINFORMATIQUE SYSTÈMES D EXPLOITATION TRAITEMENTS DE TEXTE LES BASES DE WINDOWS (COURS 820 - MODULE 2 ECDL)
INFORMATIQUE SYSTÈMES D EXPLOITATION LES BASES DE WINDOWS (COURS 820 - MODULE 2 ECDL) Ce cours, composé de 7 séries, permet de posséder les aptitudes et les connaissances nécessaires pour l utilisation
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailÉvaluations aléatoires : Comment tirer au sort?
Évaluations aléatoires : Comment tirer au sort? William Parienté Université Catholique de Louvain J-PAL Europe povertyactionlab.org Plan de la semaine 1. Pourquoi évaluer? 2. Comment mesurer l impact?
Plus en détailLe risque Idiosyncrasique
Le risque Idiosyncrasique -Pierre CADESTIN -Magali DRIGHES -Raphael MINATO -Mathieu SELLES 1 Introduction Risque idiosyncrasique : risque non pris en compte dans le risque de marché (indépendant des phénomènes
Plus en détailPlan de mise en œuvre du concept national maladies rares
Département fédéral de l'intérieur DFI Office fédéral de la santé publique OFSP Unité de direction Assurance maladie et accidents Etat 4 mai 2015 Plan de mise en œuvre du concept national maladies rares
Plus en détailINTRODUCTION. Cadre d évaluation de la qualité des données (CEQD) (juillet 2003)
INTRODUCTION Cadre d évaluation de la qualité des données (CEQD) (juillet 2003) Le cadre d évaluation des données (CEQD) propose une structure qui permet d évaluer la qualité des données en comparant les
Plus en détailREF01 Référentiel de labellisation des laboratoires de recherche_v3
Introduction Le présent référentiel de labellisation est destiné aux laboratoires qui souhaitent mettre en place un dispositif de maîtrise de la qualité des mesures. La norme ISO 9001 contient essentiellement
Plus en détailcuraprax le logiciel de cabinet médical moderne destiné aux cabinets médicaux individuels ou de groupe
curaprax le logiciel de cabinet médical moderne destiné aux cabinets médicaux individuels ou de groupe Le logiciel de cabinet médical basé sur le Web. Simple. Efficient. Sûr. www.curaprax.ch curaprax vous
Plus en détailwww.opex-management.com
Paris Luxembourg Bruxelles Casablanca PROGRAMME des formations certifiantes Lean Management et Lean Six Sigma De nouvelles compétences pour les collaborateurs De nouveaux leviers de compétitivité pour
Plus en détailVue d ensemble. Initiatives des données. Gestion de la trésorerie. Gestion du risque. Gestion des fournisseurs 2 >>
Access MD Online Vue d ensemble Access MD Online fournit aux organisations un accès en temps réel à leurs programmes de carte commerciale au sein d un environnement sécurisé, n importe où et n importe
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,
Plus en détailExploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction.
Exploitation et analyse des données appliquées aux techniques d enquête par sondage. Introduction. Etudes et traitements statistiques des données : le cas illustratif de la démarche par sondage INTRODUCTION
Plus en détail