Objectifs: Tour d’horizon des fondamentaux en science des données illustré avec le langage Python permettant d’appréhender les différents aspects mis en jeu en science des données, de l’import des données à la réalisation d’analyses.

Contenu :

— Vue globale de la science des données : de l’acquisition des données à l’analyse des résultats
— Manipulation et traitement des données
— Introduction des packages de base pour la science des données en python — Mise en forme des données

Preprocessing des variables et feature engineering

— Pré-analyse des données
— Indicateurs de base : des résumés statistiques aux représentations graphiques
— Analyse factorielle pour la réduction de dimension : ACP
— Notions d’apprentissage supervisé
— Méthodologie : définition des notions de risque et d’erreur, évaluation de l’erreur de généralisation
— Méthodes : K plus proches voisins, méthodes linéaires, méthodes ensemblistes, méthodes à noyaux
— Notions d’apprentissage non supervisé
— Méthodologie : évaluation de l’erreur, notion de stabilité
— Méthodes : K means et classification hiérachique