Data Science

Data science Le Big data marque le début d’une transformation majeure, qui va affecter de façon profonde l’ensemble des secteurs (de l’e-commerce à la recherche scientifique en passant par la finance et la santé). L’exploitation de ces immenses masses de données nécessite des techniques mathématiques sophistiquées visant à extraire l’information pertinente. L’ensemble de ces méthodes forme le socle de la science de données (ou data science). Objectifs de la formation :

• Connaitre les bases et les fondements en data science ; de la théorie de l’information à l’apprentissage automatique.
• Maîtriser une variété d’outils, de perspectives et d’approches pour pouvoir identifier les méthodes et modèles les plus appropriés à utiliser pour résoudre chaque cas spécifique.
• Etre en mesure d’utiliser différents types de données en temps réel afin de faire des prédictions complexes et des calculs à grande échelle.
• Moyens pédagogiques : alternance entre présentation théorique des méthodes et applications pratiques sur des données.
• La formation se déroule en 24 heures.

 Plan :  NIVEAU I : Apprentissage supervisé/non supervisé

• Introduction : émergence de la science des données, data mining, machine learning et big data
• L’apprentissage non-supervisé
• Classification ascendante hiérarchique (bibliothèque Scipy (python)).
• K-means (bibliothèque Scikit-learn (python)).
• Choix du nombre de clusters (bibliothèque Scikit-learn (python)).
• Règles d’associations (bibliothèque mlxtend (python)).
• L’apprentissage supervisé
• Arbre de décision (bibliothèque Scikit-learn (Python)).
• Evaluation de la performance des modèles de classifications (matrice de confusion, accuracy, recall, precision, f1-mesure)
• Forêt aléatoire (bibliothèque Scikit-learn (Python))

 NIVEAU II : Apprentissage supervisé et introduction au deep learning

• Classifieur Bayésien Naïf (bibliothèque Scikit-learn (Python)).
• Réseaux de neurones artificiels (bibliothèque Scikit-learn (Python))
• Deep learning (bibliothèque Keras (Python), bibliothèque Tensorflow (Python)).

Etude de cas selon la spécialité des participants.