Analyses factorielles

Les analyses factorielles sont des méthodes statistiques multidimensionnelles qui permettent d’interpréter les individus et les variables dans un espace réduit plus simple, combinaison des variables de départ. Ces techniques de réduction de dimension adaptées aux variables quantitatives (ex : ACP) ou qualitatives (ex : ACM) sont particulièrement appréciées pour la visualisation des résultats d’enquêtes ou autres recueils de données.

Data Mining

La fouille de données, ou data mining, s’est imposée comme un complément naturel des méthodes statistiques traditionnelles pour l’analyse de grandes bases ou entrepôts de données. Nous vous proposons un ensemble de méthodes avancées qui vont extraire de nouvelles connaissances à partir de vos données et vous permettre de prendre des décisions éclairées. Par exemple, le clustering est un exemple de méthode efficace qui vous permet de mettre en évidence des groupes d’individus similaires, sans hypothèse a priori.

Machine Learning

Le machine learning désigne les algorithmes d’apprentissage automatique qui apprennent à prédire, ou prendre des décisions, à partir d’un historique de données. Data mining et Machine Learning sont souvent confondus car intimement liés, ce dernier domaine se distinguant par la présence d’une variable à prédire, binaire (ex : connecté ou non ? Malade ou non ?) ou non (ex : taille de l’entreprise, nombre d’usagers connectés). Les méthodes de régression avancées, les arbres de décision ou le deep learning sont des exemples de techniques de machine learning.