SAS/STAT

Titre	Niveau	Types de formation
Big Data : Challenges, Analyse proactive, l’écosystème Hadoop et les solutions SAS Cette formation vous propose un aperçu des challenges soulevés par le Big Data et l’analyse proactive des données. Venez explorer la Data Science, les architectures et les ressources informatiques liées au Big Data, l’écosystème Hadoop, l’analyse proactive des données : Data Mining, Text Mining, Modélisation prédictive, Réseaux neuronaux, Intelligence artificielle, Marchine learning,… Vous découvrirez également l’ensemble des solutions SAS® pour le Big Data.	1 Débutant
Building and Solving Optimization Models with SAS/OR This course focuses on formulating and solving mathematical optimization models using the OPTMODEL procedure, from inputting data to interpreting output and generating reports. The course covers linear, integer, mixed integer, and nonlinear programming problems, with an emphasis on model formulation and construction.	3 Intermédaire
Multilevel Modeling of Hierarchical and Longitudinal Data Using SAS This course teaches how to identify complex and dynamic patterns within multilevel data to inform a variety of decision-making needs. The course provides a conceptual understanding of multilevel linear models (MLM) and multilevel generalized linear models (MGLM) and their appropriate use in a variety of settings.	4 Expert
Survival Data Mining: A Programming Approach This advanced course discusses predictive hazard modeling for customer history data. Designed for data analysts, the course uses SAS/STAT software to illustrate various survival data mining methods and their practical implementation. Note: Formerly titled Survival Data Mining: Predictive Hazard Modeling for Customer History Data, this course now includes hands-on exercises so that you can practice the techniques that you learn. Other additions include a chapter on recurrent events, new features in SAS/STAT software, and an expanded section that compares discrete time approach versus the continuous time models such as Cox Proportional Hazards models and fully parametric models such as Weibull.	4 Expert
La prévision avec SAS Forecast Server Cette formation présente comment générer de gros volumes de prévisions automatiques au travers de l’interface interactive de SAS® Forecast Studio.	1 Débutant
Analyse statistique - niveau 1 A l’issue de cette formation, vous saurez mettre en œuvre la méthodologie statistique, choisir parmi les modèles statistiques de base, le modèle adapté à votre problématique métier, valider le contexte d’utilisation du modèle et interpréter vos résultats.	1 Débutant
Gérer vos modèles grâce à SAS Model Manager Vous souhaitez suivre le cycle de vie de vos modèles (SAS STAT, SAS Enterprise Miner, PMML) de prévision (credit scoring, ciblage marketing, détection fraude, développement ventes, …) dans une application partagée et structurée, afin de disposer à tout moment d’un bilan des performances des vos prédictions.	3 Intermédaire
Utiliser SAS High Performance Forecasting Cette formation vous enseigne comment faire des prévisions automatiquement et vous apprend à utiliser les procédures de SAS® High Performance Forecasting	3 Intermédaire
Analyse des données qualitatives en utilisant la régression logistique Vous êtes statisticien ou analyste et souhaitez comprendre vos données…A l’issue de cette formation, vous saurez calculer des statistiques descriptives, mesurer des associations entre variables, mettre en oeuvre le modèle de régression logistique et valider ses performances explicatives et prédictives.	3 Intermédaire
Analyse statistique - Niveau 2 Vous êtes statisticien et souhaitez approfondir vos connaissances en modélisation statistique sous SAS. A l'issue de cette formation, vous saurez mettre en oeuvre la méthodologie statistique, valider les hypothèses d'utilisation de différents modèles statistiques et donc choisir par ce biais le modèle adapté à votre question métier.	3 Intermédaire
Statistical Process Control Using SAS/QC Software This course is designed for professionals who use quality control or SPC methods to monitor, evaluate, and improve the quality of their processes. It is an ideal statistical training module to complement or supplement corporate quality training programs and Six Sigma programs. The self-study e-learning includes: Annotatable course notes in PDF format. Virtual Lab time to practice.	3 Intermédaire
SAS Enterprise Guide: ANOVA, Regression, and Logistic Regression This course is designed for SAS Enterprise Guide users who want to perform statistical analyses. The course is written for SAS Enterprise Guide 8 along with SAS 9.4, but students with previous SAS Enterprise Guide versions will also get value from this course.	3 Intermédaire
Analyse des données du survie Ce cours aborde les concepts d'analyse de survie en mettant l'accent sur les problèmes de santé. Lors de la formation, le formateur abordera les sujets sur le modèle des risques proportionnels de Cox, et non sur les modèles paramétriques. Cela n'est pas conçu pour les modélisateurs prédictifs.	3 Intermédaire
Models for Time Series and Sequential Data This course teaches students to build, refine, extrapolate, and, in some cases, interpret models designed for a single, sequential series. There are three modeling approaches presented. The traditional, Box-Jenkins approach for modeling time series is covered in the first part of the course. This presentation moves students from models for stationary data (or ARMA) to models for trend and seasonality (ARIMA) and concludes with information about specifying transfer function components in an ARIMAX, or time series regression, model. A Bayesian approach to modeling time series is considered next. The basic Bayesian framework is extended to accommodate autoregressive variation in the data as well as dynamic input variable effects. Machine learning algorithms for time series is the third approach. Gradient boosting and recurrent neural network algorithms are particularly well suited for accommodating nonlinear relationships in the data. Examples are provided to build intuition on the effective use of these algorithms. The course concludes by considering how forecasting precision can be improved by combining the strengths of the different approaches. The final lesson includes demonstrations of creating combined (or ensemble) and hybrid model forecasts.	3 Intermédaire
Analyse de données multivariée Ce cours enseigne comment mettre en place et interpréter les analyses de données multivariées sur des données métiers ou de recherche. Il met l'accent sur la compréhension des résultats. Il présente les résultats principalement sous forme de graphiques.	4 Expert
Préparation des données pour le Data Mining ou l'analyse statistique La préparation des données est un point clé du succès de votre modèle statistique. La garantie d’un résultat ou d’une interprétation cohérente de votre modèle passe par une phase de préparation des données. Ce cours vous présente comment préparer vos données de manière efficace..	4 Expert
Longitudinal Data Analysis with Discrete and Continuous Responses This course is for scientists and analysts who want to analyze observational data collected over time. It is not for SAS users who have collected data in a complicated experimental design; they should take the Modèles Mixtes : Théorie et applications aux données de santé course instead.	4 Expert
Design of Experiments for Direct Marketing This course deals with the concepts and techniques that are used in the design and analysis of experiments. The course primarily focuses on direct marketing applications, but it is also relevant for someone interested in designing experiments in the fields of physical, chemical, biological, medical, economic, social, psychological, and industrial sciences; engineering; or agriculture. This course teaches you how to design efficient marketing experiments with more than one factor, analyze the results that your experiments yield, and maximize the information that is gleaned from a marketing campaign. Factorial and fractional factorial designs are discussed in greater detail.	4 Expert
Bayesian Analyses Using SAS The course focuses on Bayesian analyses using the PHREG, GENMOD, and MCMC procedures. The examples include logistic regression, Cox proportional hazards model, general linear mixed model, zero-inflated Poisson model, and data containing missing values. A Bayesian analysis of a crossover design and a meta-analysis are also shown.	4 Expert
Analyse statistique à l'aide de la procédure GLIMMIX Cette formation se focalise sur l’utilisation de la procédure GLIMMIX, procédure permettant d’estimer des modèles linéaires généralisés à effets mixtes. Vous mettrez en œuvre cette procédure et découvrirez ces options et instructions au travers différentes applications ( Modèle de Poisson, Régression Beta, mesures répétées…).	4 Expert
Le Data Mining avec SAS : construction d’un modèle prédictif et techniques de scoring Vous souhaitez effectuer un ciblage marketing efficace, détecter des opportunités de ventes ... La régression logistique permet de répondre à vos attentes. Cette formation vous présente la méthodologie SEMMA qui met en avant les étapes d’échantillonnage, de préparation et de transformation des données, de modélisation et de validation de la qualité et enfin de déploiement du modèle. Cette formation s’appuie sur le langage de programmation SAS.	4 Expert
Techniques de classification Vous êtes statisticien ou analyste et vous souhaitez analyser vos données en réalisant par exemple des typologies clients ou comportements. Vous avez besoin d’agréger vos données afin de les préparer à la modélisation. Les techniques de classification permettent de répondre à ces attentes.	4 Expert
SAS Programming for R Users This course is designed for experienced R users who want to transfer their programming skills to SAS. Emphasis will be placed on programming and not statistical theory or interpretation. Students of this course should have knowledge of plotting, manipulating data, iterative processing, creating functions, applying functions, linear models, generalized linear models, mixed models, stepwise model selection, matrix algebra, and statistical simulations.	3 Intermédaire
Conjoint Analysis: Evaluating Consumer Preferences Using SAS Software This course discusses a method in marketing research called conjoint analysis that is used to analyze consumer preferences for products and services.The e-learning version of this course includes data so that you can practice the software demonstration steps in your own SAS environment.	3 Intermédaire
Discrete Choice Modeling Using SAS Software This marketing research course shows how to design a discrete choice experiment and how to analyze discrete choice data in SAS software. Analytical advice regarding number of choice sets, the number of alternatives, and number of subjects is also given. This course includes practice data and exercises.	3 Intermédaire
Establishing Causal Inferences: Propensity Score Matching, Heckman's Two-Stage Model, Interrupted Time Series, and Regression Discontinuity Models This course introduces some methods commonly used in program evaluation and real-world effectiveness studies, including two-stage modeling, interrupted time-series, regression discontinuity, and propensity score matching. These methods help address questions such as: Which medicine is more effective in the real world? Did an advertising program have an impact on sales? More generally, are the changes in outcomes causally related to the program being run?	3 Intermédaire
Robust Regression Techniques in SAS/STAT This course is designed for analysts, statisticians, modelers, and other professionals who have experience and knowledge in regression analysis and who want to learn available procedures in SAS/STAT software for robust regression. The two procedures addressed in the course are the ROBUSTREG procedure and the QUANTREG procedure. This course includes practice data.	4 Expert
Introduction to Statistical Concepts This course covers basic statistical concepts that are critical for understanding and using statistical methods. This course explains what statistics is and why it is important to understand the characteristics of your data. The information in this course is a prerequisite for many other statistical courses that SAS Education offers. The course is appropriate for Base SAS and SAS Enterprise Guide users. Data, practices, and a case study are included.	1 Débutant
Fitting Poisson Regression Models Using the GENMOD Procedure This course is for those who analyze the number of occurrences of an event or the rate of occurrence of an event as a function of some predictor variables. For example, the rate of insurance claims, colony counts for bacteria or viruses, the number of equipment failures, and the incidence of disease can be modeled using Poisson regression models. This course includes practice data and exercises.	3 Intermédaire
Programmation SAS/IML Vous souhaitez développer ou personnaliser vos méthodes d’analyses statistiques. Vous avez besoin de réaliser des calculs sur des tableaux à double entrée. La formation IML vous apprend à utiliser la procédure IML pour manipuler des données sous forme matricielle, à réaliser des opérations sur des matrices, à créer des programmes réutilisables en fonction de vos besoins.	1 Débutant
Probability Surveys 1: Design, Descriptive Statistics, and Analysis This course focuses on designing business and household surveys and analyzing data collected under complex survey designs. The course addresses the SAS procedures POWER, SURVEYSELECT, SURVEYMEANS, SURVEYFREQ, SURVEYREG, and SURVEYLOGISTIC. In addition, the graphing procedures GPLOT, SGPLOT and SGPANEL are also covered.	4 Expert
Modèles Mixtes : Théorie et applications aux données de santé Très utiles, les modèles mixtes permettent d'intégrer les notions de mesures répétées et d'effets aléatoires dans les analyses statistiques. Cette formation présente la procédure MIXED de SAS. Vous apprendrez à la mettre en œuvre au travers de différents plans d'expérience (Split plot, Cross over, Emboités...)	4 Expert