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

Attention, cette formation ne conduit pas à une certification ou une habilitation inscrite au RNCP.
- 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