Formation Monte Carlo : Data Observability

PROGRAMME DE NOTRE FORMATION MONTE CARLO : DATA OBSERVABILITY

INTRODUCTION À LA SIMULATION MONTE CARLO

• Qu’est-ce que la simulation Monte Carlo ?
• Avantages et inconvénients de la simulation par rapport aux analyses déterministes
• Domaines d’application
• Introduction aux principes de base de la méthode Monte Carlo

CONCEPTS DE BASE EN STATISTIQUES ET PROBABILITÉS

• Comprendre les distributions de probabilité courantes : normale, log-normale, uniforme, triangulaire, Beta-PERT
• Utilisation des distributions pour modéliser des incertitudes
• Rappel sur les notions de variance et d’espérance
• Importance de la théorie des probabilités dans les simulations Monte Carlo

CONSTRUCTION ET UTILISATION DE MODÈLES MONTE CARLO

• Étapes de la construction d’un modèle de simulation
• Création de modèles prévisionnels et utilisation des estimations de plages de valeurs
• Comprendre et appliquer le biais-variance tradeoff
• Utilisation pratique avec des exercices sur Jupyter Notebooks ou des plug-ins Excel spécialisés

TECHNIQUES DE SIMULATION ET OPTIMISATION

• Génération de nombres aléatoires et introduction aux simulations stochastiques
• Méthodes d’approximation stochastique et optimisation basée sur simulation
• Utilisation des techniques de Markov chain Monte Carlo (MCMC) pour l’optimisation
• Exercices pratiques de simulation et d’optimisation

ANALYSE DE RISQUE ET PRISE DE DÉCISION PAR MONTE CARLO

• Application de la simulation Monte Carlo dans l’analyse de risque
• Estimation des probabilités de complétion et des risques extrêmes
• Prise de décision basée sur les résultats de la simulation
• Études de cas et simulations interactives pour renforcer la compréhension

OUTILS ET TECHNIQUES DE DATA OBSERVABILITY

• Surveillance des performances des requêtes SQL et des bases de données via des outils comme Snowflake
• Configuration des notifications et intégration avec des outils comme Slack, e-mail, et GitHub
• Pratiques avancées de monitoring : santé des champs, fraîcheur des données, et suivi des dimensions
• Exercices pratiques incluant la création de moniteurs SQL personnalisés et l’utilisation de JSON Schema Monitor