À l'issue de cette formation, les apprenants seront capables d'analyser des ensembles de données transactionnelles, de calculer et d'ajuster les seuils de support, de générer et d'interpréter des règles d'association, de nettoyer des données réelles issues du secteur de la grande distribution, et d'appliquer des algorithmes avancés tels qu'Eclat afin de mettre en évidence des tendances d'achat significatives à l'aide de R.

Ce cours pratique, axé sur des projets, guide les apprenants étape par étape à travers l'ensemble du processus d'analyse du panier d'achat. Après avoir chargé et compris les données transactionnelles, les apprenants passent au calcul du support minimum, à l’entraînement de modèles de règles d’association, à la visualisation des règles et à l’optimisation des résultats grâce au réglage des paramètres. Le cours aborde ensuite la préparation pratique des données à partir d’un véritable ensemble de données sur la grande distribution, en mettant l’accent sur la suppression des doublons, l’analyse des co-achats et l’exploration efficace des ensembles d’articles fréquents. Ce qui rend ce cours unique, c’est l’accent mis sur l’apprentissage appliqué à l’aide d’ensembles de données authentiques et de techniques pertinentes pour le secteur. Plutôt que de se concentrer uniquement sur la théorie, les apprenants acquièrent une expérience pratique de la mise en œuvre de l’analyse du panier d’achat de bout en bout dans R, reflétant ainsi les tâches analytiques réelles effectuées dans le domaine de l’analyse du commerce de détail, des systèmes de recommandation et de l’analyse du comportement client. À l’issue de ce cours, les apprenants acquièrent des compétences professionnelles en matière d’exploration des règles d’association, de prétraitement des données et d’analyse exploratoire — des compétences directement applicables aux métiers de l’analyse de données, de la science des données et de l’intelligence économique.