Formation Data science mode projet Tunisie

Les outils et environnements informatiques

Jour 1: Data Science et Machine Learning
Introduction au Big Data

Qu’est-ce-que le Big Data ?
L’écosystème technologique du Big Data : Apache Hadoop

Travaux Pratiques : Manipulation d’un environnement Apache Hadoop avec Cloudera.

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

• Overview des possibilités du machine learning

• Les bases de Machine Learning

• Le besoin de machine Learning

• Comprendre machine Learning

• Méthodes de Machine Learning

• La boîte à outil du Data Scientist

• Introduction aux outils : Anaconda, Jupyter Notebooks

• Introduction au langage Python

• Travaux pratiques :

  • Configurer l'environnement Anaconda Python 

  • Prise en main du langage Python via Jupyter Notebooks

• Jour 2: Data Science et Machine Learning

  Les algorithmes de Machine Learning

• Analyse supervisée

• Analyse non supervisée

• Classification / régression

• La régression linéaire

• Quelques rappels : fonction hypothèse, fonction convexe, optimisation
  La construction de la fonction de coût
  Méthode de minimisation : la descente de gradient

• La régression logistique

• Frontière de décision

• Modélisation des variables quantitatives

• La construction d’une fonction de coût convexe pour la classification

• Naive Bayes 

• Le théorème de Bayes et la notion d’indépendance

• Le modèle Naive Bayes par l’exemple

• Machine Learning : Construction, réglage et déploiement de modèles

• 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

• Jour 3:Pipeline de Machine Learning

  Machine Learning avec Python, Pandas et Scikit-learn

• Présentation de l’Ecosystème Python Machine Learning

  • NumPy et SciPy : manipuler des matrices ou tableaux multidimensionnels ainsi que des fonctions mathématiques opérant sur ces tableaux 

  • Pandas : structures de données et opérations de manipulation de tableaux numériques et de séries temporelles

  • Matplotlib : librairie pour afficher les histogrammes des valeurs numériques :

  • Scikit-learn :librairie de Machine Learning en Python

• Travaux pratiques :

  • Prise en main de NumPy et SciPy viaJupyter Notebooks

  • Prise en main de Pandas et Matplotlib via Jupyter Notebooks

  • Premier pas en Machine Learning avec Scikit-learnvia Jupyter Notebooks

• Machine Learning: Data Preparation and Cleaning

• Les types de données : catégorielles, continues, ordonnées, temporelles

• Détection des outliers statistiques, des valeurs aberrantes

• Stratégie pour les valeurs manquantes

• Travaux Pratiques : Comment traiter les valeurs manquantes avec Python ?

  • Data Preparation and Cleaning avec avecScikit-learn (sklearn.preprocessing)

• Machine Learning :Feature Engineering

• Stratégies pour les variables non continues

• Détecter et créer des variables discriminantes

• Travaux Pratiques :

  • Identification et création des bonnes variables et réalisation d’un premier modèleavec Scikit-learn(sklearn.feature_extraction)

• Machine Learning : Data Visualization

• La visualisation pour comprendre les données : histogramme, scatter plot, etc

• La visualisation pour comprendre les algorithmes : train / test loss, feature importance, etc

• Travaux Pratiques :

  • Visualiser des données Machine Learning en Python avec Pandaset  Matplotlib

• Jour 4 : Machine Learningpar la Pratique

  Naive Bayes Classification par la Pratique

• Classification naïve bayésienne 

• GaussianNaive Bayes

• Multinomial Naive Bayes

• Travaux Pratiques :

  • Naive Bayes avec Python-Scikit-learn : “ Naive Bayes on the Titanic dataset” 

• LinearRegressionpar la Pratique

• Simple LinearRegression

• Basis Fonction basiques de la Régression

  • fonctions Polynomiales

  • fonctions Gaussiennes

• Régularisation

• Travaux Pratiques : 

  • Création d’un modèle basé sur LinearRegressionavec Python pour la prédiction du prix du logement

• Support Vector Machinespar la Pratique

• Présentation de Support Vector Machines : Trouver des patterns fortement non linéaires.

• Maximisation de la marge entre la frontière de décision

• Choix d’un hyperplan séparateur dans un nouvel espace de combinaisonsnon linéaires entre les variables

• Travaux Pratiques : 

  • Prédiction du prix du logement à l'aide Support Vector Machines avec Python 

• Jour 5 : Machine Learning par la Pratique

  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

• Travaux Pratiques "Retour sur le Titanic" :

  • Prédiction du prix du logement à l'aide del’arbre de décisionavec Python

  • Prédiction du prix du logement à l'aide de Random Forest avec Python 

• Apprentissage semi-supervisé

• Les grandes classes d’algorithmes non supervisées :

  •  Clustering(K-Means ,Hierarchical clustering ..ect)

  • Principal Component Analysis, etc

• Travaux Pratiques

  • Clustering K-Means des stocks par corrélation des prix.

• Neural Network and DeepLearning

• Bases de l'apprentissage en profondeur et des réseaux de neurones

• Optimisation d'un réseau neuronal avec propagation vers l'arrière

• Construire des modèles d'apprentissage en profondeur avec Keras

• Travaux Pratiques

  • Installation Keras avec Anaconda

  • Deep Learning House Price Prediction avec Keras.

    • Clustering K-Means des stocks par corrélation des prix.

Neural Network and DeepLearning

• Bases de l'apprentissage en profondeur et des réseaux de neurones

• Optimisation d'un réseau neuronal avec propagation vers l'arrière

• Construire des modèles d'apprentissage en profondeur avec Keras

• Travaux Pratiques

  • Installation Keras avec Anaconda

  • Deep Learning House Price Prediction avec Keras.