Ce cours fondamental permet aux apprenants d'acquérir les connaissances conceptuelles et les compétences pratiques nécessaires pour effectuer une analyse cluster - une technique essentielle d'Apprentissage automatique non supervisé - en utilisant SPSS. Grâce à un mélange d'exploration théorique et de mise en œuvre pratique, les apprenants définiront, différencieront, appliqueront et évalueront les principales méthodologies de clustering, y compris les méthodes hiérarchiques, le clustering K-moyennes et l'analyse de cluster en deux étapes. Dans le module 1, les apprenants examineront les concepts fondamentaux de l'analyse de cluster, comprendront comment les différents algorithmes de clustering fonctionnent et exploreront leurs forces respectives à travers des exemples illustratifs et des comparaisons. L'accent est mis sur le développement de la capacité à identifier les cas d'utilisation appropriés et à interpréter les structures de clustering telles que les dendrogrammes et les scree plots. Dans le module 2, les apprenants mettront en œuvre des techniques de clustering dans SPSS, y compris des stratégies de prétraitement telles que la suppression par liste et par paire. Le module met l'accent sur l'analyse et l'évaluation des résultats de clustering, la compréhension des critères de modèle statistique (par exemple, BIC/AIC) et l'utilisation d'outils de diagnostic tels que le coefficient de silhouette pour valider la qualité des clusters. À la fin de ce cours, les apprenants seront capables d'appliquer les techniques de clustering à des ensembles de données du monde réel, d'analyser les résultats de manière critique et de prendre des décisions éclairées dans les tâches de segmentation des données à l'aide de SPSS.