Data Scientist - les fondamentaux de la Data Science par PLB Consultant

*** Jour 1.
* Introduction au Big Data.
Qu'est
- ce
- que le Big Data ?
L'écosystème technologique du Big Data.
* Introduction à la Data Science, le métier de Data Scientist.
Le vocabulaire d'un problème de Data Science.
De l'analyse statistique au machine learning.
Panorama des possibilités du machine learning.
* Modélisation d'un problème.
Input / ouput d'un problème de machine learning.
* Identifier les familles d'algorithmes de machine learning.
Analyse supervisée.
Analyse non supervisée.
Classification / régression.
* Régression linéaire.
Quelques rappels : fonction hypothèse, fonction convexe, optimisation.
La construction de la fonction de coût.
Méthode de minimisation : la descente de gradient.
* Régression logistique.
Frontière de décision.
La construction d'une fonction de coût convexe pour la classification.
* La boîte à outil du Data Scientist.
Introduction aux outils.
Introduction à Python, Pandas et Scikit
- learn.
*** Jour 2.
* Rappels et révisions du jour 1.
* Qu'est
- ce qu'un bon modèle ?
Cross
- validation.
Les métriques d'évaluation : precision, recall, ROC, MAPE, etc.
* Les pièges du machine learning.
Overfitting ou sur
- apprentissage.
Biais vs variance.
La régularisation : régression Ridge et Lasso.
* Data Cleaning.
Les types de données : catégorielles, continues, ordonnées, temporelles.
Détection des outliers statistiques, des valeurs aberrantes.
Stratégie pour les valeurs manquantes.
* Feature Engineering.
Stratégies pour les variables non continues.
Détecter et créer des variables discriminantes.
* Data visualisation.
La visualisation pour comprendre les données : histogramme, scatter plot, etc.
La visualisation pour comprendre les algorithmes : train / test loss, feature importance, etc.
* Introduction aux méthodes ensemblistes.
Le modèle de base : l'arbre de décision, ses avantages et ses limites.
Présentation des différentes stratégies ensemblistes : bagging, boosting, etc.
* Apprentissage semi
- supervisé.
Les grandes classes d'algorithmes non supervisées : clustering, PCA, etc.
*** Jour 3
* Rappels et révisions.
Synthèse des points abordés en journées 1 et 2.
Approfondissement des sujets sélectionnés avec l'intervenant.
* Mise en pratique.
Le dernier jour est entièrement consacré à des mises en pratique.
* Sélection et participation à une compétition.
Le formateur sélectionnera une compétition en cours sur Kaggle ou datascience.net qui sera démarrée en jour 3 par l'ensemble des participants.

Découvrir le métier de Data Scientist et les grandes familles de problèmes.
Savoir modéliser un problème de Data Science.
Créer vos premières variables.
Constituer votre boîte à outils de Data Scientist.
Participer à une première compétition.