← Retour aux formations

Intelligence Artificielle & Data

Big Data et Python pour l'analyse de données : modélisation, algorithmes supervisés et non supervisés avec Pandas et NumPy

Intermédiaire
Intelligence Artificielle & Data

À propos de cette formation

Développeurs Python, responsables infocentre, développeurs de logiciels, programmeurs, data analysts et data scientists souhaitant exploiter l'écosystème scientifique Python pour analyser des données.

Objectifs de la formation

  • check_circleAppréhender les fondements de la modélisation statistique
  • check_circleMaîtriser les principaux outils Python de traitement et d'analyse de données
  • check_circleMettre en œuvre les bonnes pratiques de nettoyage et de préparation des données
  • check_circleChoisir entre régression et classification selon le type de données
  • check_circleImplémenter un modèle d'apprentissage automatique simple
  • check_circleExtraire et exploiter des données depuis des fichiers

Programme détaillé

Module 1 — Présentation de l'écosystème Python scientifique

  • Panorama de l'écosystème scientifique Python : bibliothèques incontournables
  • Trouver de nouvelles bibliothèques et évaluer leur pérennité
  • Principaux outils et logiciels open source pour la data science
  • La SciPy Stack : le socle scientifique Python
  • Bonnes pratiques pour démarrer un projet de data science avec Python
  • Travaux pratiques : installation de Python 3, Anaconda et Jupyter Notebook

Module 2 — Travailler les données avec Python

  • Formats de fichiers scientifiques et bibliothèques pour les manipuler
  • Pandas : analyse de données tabulaires (CSV, Excel…), statistiques, pivots, filtres, recherche…
  • NumPy : calcul numérique et algèbre linéaire (vecteurs, matrices, images)
  • Extraction, préparation et nettoyage des données
  • Travaux pratiques : écriture de scripts Python pour filtrer, formater et nettoyer des données issues de fichiers

Module 3 — Introduction à la modélisation

  • Étapes de construction d'un modèle
  • Algorithmes supervisés et non supervisés
  • Critères de choix entre régression et classification
  • Travaux pratiques : intégration de scripts Python dans l'environnement installé pour des analyses

Module 4 — Procédures d'évaluation des modèles

  • Techniques de rééchantillonnage : jeux d'apprentissage, de validation et de test
  • Test de représentativité des données d'apprentissage
  • Mesures de performance des modèles prédictifs
  • Matrice de confusion, matrice de coût, courbe ROC et AUC
  • Travaux pratiques : mise en place de l'échantillonnage et évaluation de plusieurs modèles

Module 5 — Algorithmes supervisés

  • Régression linéaire univariée
  • Régression multivariée
  • Régression polynomiale
  • Régression régularisée
  • Naïve Bayes
  • Régression logistique
  • Travaux pratiques : mise en œuvre de régressions et classifications sur plusieurs types de données

Module 6 — Algorithmes non supervisés

  • Clustering hiérarchique
  • Clustering non hiérarchique
  • Approches mixtes
  • Travaux pratiques : clustering non supervisé sur plusieurs jeux de données

Prérequis

Maîtrise de la programmation Python et connaissances de base en statistiques.