Formation Data Science

Quelques définitions : intelligence artificielle, deep learning, machine learning, data science, statistiques, big data

Positionnement par rapport au BI

Les deux grandes familles en machine learning: supervisé et non supervisé

Des exemples d’utilisation

L’importance des données:

1. nature des données

2. la quantité

3. la qualité

L’importance de l’évaluation d’un modèle

1. métrique d’évaluation

2. principe de séparation de l’échantillon de données

Quelques exemples d’algorithmes

Les logiciels disponibles

Importation des données

1. Téléchargement direct sur site, API, requête dans une base de données

2. Les différents formats de données : xls(x), csv, json, xml, html, sqlite, format access, format sérialisé pour langage de programmation R ou Python

Nettoyage des données

1. Vérification du type de chaque colonne

2. Traitement des valeurs manquantes

3. Contrôle de la qualité des données

Exploration des données

1. Statistiques descriptives de bases (nombre, minimum, maximum, valeur moyenne, médiane, variance, écart-type, quantiles, valeurs extrêmes, nombre de valeurs manquantes)

2. Visualisation des données : variable par variable, deux variables ensembles, trois ou plus variables ensemble, corrélation entre variables.

Feature engineering

1. A partir d’une datetime : jour de la semaine, mois, année, tranche horaire

2. Regroupement de modalités (pour des variables catégorielles)

3. Transformation pour des variables numériques : différence, logarithme, agrégation, valeur retardées

Choix et entraînement des algorithmes

1. Sélection du modèle approprié en fonction du type de problème: classification, régression, clustering

2. Stratégie propre à l’apprentissage supervisé (split train test), cross-validation

Contrôle et interprétation des résultats

1. Interprétation du résultat du processus d’apprentissage (les “sorties”)

2. Analyse des prédiction du modèle pour de l’apprentissage supervisé et de l’impact de chacune des variables, analyse des clusters pour de l’apprentissage non supervisé

3. Recours possible à la visualisation pour un meilleur contrôle des résultats

Possibilité avec Power BI et autres services Microsoft

1. Avantages de Power BI: exploration de données facile et rapide, visualisations élégantes, et facilité de communication des résultats

2. Inconvénients : écosystème data science peu développé

Application de l’apprentissage supervisé: Prédiction du prix des appartements AirBNB

Application du clustering : segmentation de population / base de clients

Application de la classification : Prédiction du défaut pour les détenteurs de carte bleu