Data Classification et Machine Learning

Introduction

• Zoom sur les données : format, volumes, structures, …
• Requêtes et attentes des utilisateurs
• Etapes de la préparation des données
• Définitions, présentation du data munging
• Le rôle du data scientist

Gouvernance des données

• Qualité des données
• Transformation de l’information en donnée
• Qualification et enrichissement
• Sécurisation et étanchéité des lacs de données
• Flux de données et organisation dans l’entreprise
• De la donnée maître à la donnée de travail
• MDM
• Mise en œuvre pratique des différentes phases : nettoyage, enrichissement, organisation des données

Traitements statistiques de base

• Introduction aux calculs statistiques
• Paramétrisation des fonctions
• Applications aux fermes de calculs distribués
• Problématiques induites
• Approximations
• Précision des estimations

Data Mining

• Besoin, apports et enjeux
• Extraction et organisation des classes de données
• Analyse factorielle

Machine Learning

• Apprentissage automatique
• Définition, les attentes par rapport au Machine Learning
• Les valeurs d’observation et les variables cibles
• Ingénierie des variables
• Les méthodes : apprentissage supervisé et non supervisé
• Classification des données
• Algorithmes : régression linéaire, k-moyennes, k-voisins, classification naïve bayésienne, arbres de décision, forêts aléatoires, …
• Création de jeux d’essai, entraînement et construction de modèles
• Prévisions à partir de données réelles
• Mesure de l’efficacité des algorithmes
• Courbes ROC
• Parallélisation des algorithmes
• Choix automatique

IA

• Introduction aux réseaux de neurones
• Réseaux de neurones à convolution
• Modèles de CNN
• Les types de couches : convolution, pooling et pertes
• L’approche du Deep Learning
• Deeplearning4j sur Spark

Les risques et écueils

• Importance de la préparation des données
• L’écueil du “surapprentissage”

Visualisation des données

• L’intérêt de la visualisation
• Outils disponibles
• Exemples de visualisation avec R et Python