1. Accueil
  2. Je recherche
  3. Une formation
  4. Détection d’anomalies – Outlier detection

Référence: 231119620F

/

Mise à jour le

Détection d’anomalies – Outlier detection

Data Value

Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

Niveau de sortie : Sans Niveau spécifique

Pour cette formation

3 sessions disponibles

Consulter

Objectifs

Approfondir la connaissance de la détection d’anomalies dans un contexte de données numériques et/ou fonctionnelles à l’aide de méthodes principalement non-supervisées

Programme

Introduction
  • Qu’est-ce qu’une anomalie ? une valeur influente ? une valeur extrême ?
  • Les différentes motivations à la détection d’anomalies
  • La notion de robustesse
Les méthodes univariées
  • La règle du k-sigma et test de Grubbs
  • Règles du boxplot
  • Tests en fonction de la distribution
Les méthodes multivariées - généralités
  • Les grandes approches dans la détection d’anomalies
  • Évaluation des méthodes
    • Caractéristiques souhaitées
    • Métriques
    • Contributeurs ou signature des défauts
Les méthodes multivariées basées sur un modèle probabiliste
  • T2 de Hotelling, la distance de Mahalanobis et sa version robuste
  • Notion de profondeur et notion d’angles
Les méthodes multivariées basées sur la détermination d’un sous-espace
  • L’ACP et sa version robuste
  • Les réseaux de neurones
Les méthodes multivariées basées sur la notion de proximité
  • La classification non supervisée
  • Le LOF basé sur la densité
Les méthodes pour des données fonctionnelles
  • Introduction au contexte de données fonctionnelles
  • L’analyse de données fonctionnelles
    • Méthode de lissage
      • Spline cubique
      • Polynômes locaux
    • Réduction de dimension
      • Grandeurs statistiques (moyenne…)
      • Décomposition en coefficients d’ondelettes
  • Méthodes de détection d’anomalies dans un contexte univarié
  • Méthodes de détection d’anomalies dans un contexte multivarié
Les méthodes pour des données en HDLSS (grande dimension, faible taille d’échantillonnage)
  • Présentation des challenges induits par ce contexte
  • Les principales méthodes

Certifications et métiers visés

Consulter le diplôme, titre ou certificat... délivrés en fin de formation ainsi que les métiers auxquels cette formation vous donne accès.

Résultats attendus

- Différencier une anomalie des valeurs influentes et extrêmes
- Comprendre l'intérêt de détecter les anomalies
- Mettre en œuvre différentes méthodes statistiques pour la détection selon le contexte des données : méthodes univariées, méthodes multivariées basées sur un modèle probabiliste, sur la détermination d’un sous-espace ou sur la notion de proximité, méthodes pour des données fonctionnelles, méthodes pour des données en HDLSS

Métier(s) correspondant(s)

Nom du métier Lien vers la fiche du métier
M1805 : Études et développement informatique Fiche métier - nouvel onglet

3 sessions : Détection d’anomalies – Outlier detection

  • au

    Data Value

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    • Commune : Lyon 2e (69)

    Formation professionnelle

  • au

    Data Value

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    • Commune : Lyon 2e (69)
    • Session terminée

    Formation professionnelle

  • au

    Data Value

    Cet organisme a obtenu la marque « Qualiopi » pour ses actions de formation.

    • Commune : Lyon 2e (69)
    • Session terminée

    Formation professionnelle