Détection d'anomalies – Outlier detection

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 de la formation

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

Validation et sanction

Attestation de formation

Type de formation

Non certificiante

Sortie

Sans niveau spécifique

Code Rome

Modalités pédagogiques

Pédagogie active mêlant exposés, exercices et applications pratiques.
Chaque participant pourra mettre en œuvre les applications dans le logiciel de son choix parmi JMP ou R.

Durée

14 heures en centre

Conventionnement : Non

Financeur(s)

Entreprise

Bénéficiaire de l'action

Public(s)

Salarié, Tout public

Modalités de recrutement et d'admission

Niveau d'entrée : Sans niveau spécifique

Conditions spécifiques et prérequis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont les formations statistique descriptive (exploratoire) : savoir décrire des observations et statistique décisionnelle (inférentielle) : savoir décider au vu des observations ou d'avoir atteint par la pratique un niveau équivalent

Modalités d'accès

formation entièrement présentielle

Adresse

33 Rue de la République
69002 - Lyon 2e

Responsable : ASI
Téléphone fixe :
Contacter l'organisme

Contact sur la formation

41 Rue de la Découverte
31670 - Labège

Responsable :
Téléphone fixe : 0972567567
fax :
Site web :
Contacter l'organisme

Contacter l'organisme formateur

Data Value
SIRET: 81837224500014

Responsable : CALAS
Téléphone fixe : 0972567567
Site web :
Contacter l'organisme

du 29/09/2025 au 30/09/2025
débutant le : 29/09/2025

Adresse d'inscription

41 rue de la Découverte
31676 - Labège

Etat du recrutement : Ouvert
Modalités : Entrées / Sorties à dates fixes

Data Value
SIRET : 81837224500014

Adresse

41 Rue de la Découverte
31670 - Labège

Téléphone fixe : 0972567567
Contacter l'organisme