Data Science et machine Learning - Les fondamentaux

Objectifs

Cette formation Data Science et Machine Learning, les fondamentaux vous permettra de :

• Savoir reconnaître une problématique business qui profiterait de l'apport de la data science
  
• Mettre en place une gouvernance projet dédié
  
• Choisir les bons outils en fonction de la problématique
  

Syllabus

CHAPITRE 1 : data science et data mining
 

• Introduction au data mining
  
• Différence entre data science, data mining, machine learning
  
• Les principales méthodes en data science :
  
  
  
  • Le data mining : régression, arbre de decision, k-means
    
  • Le SVM,
    
  • Le machine learning : boosting et bagging, gradient boosting, random forest, xgboost.
    
  • Introduction au deep learning : principes des réseaux de neurone, algorithme de Kohonen, le perceptron multicouche.
    
  
  

CHAPITRE 2 : principe du big data
 

• L'architecture distribuée
  
• Principe d'un cluster Hadoop : map reduce, Yarn, HDFS,
  
• Présentation de Spark
  

CHAPITRE 3 : Overview des principaux outils
 

• R, Python
  
• Les solutions payantes : SAS, Dataiku, Spark avec pyspark, les solutions Cloud (zoom sur AWS).
  

CHAPITRE 4 : Présentation d'un use case en Python (le code sera fourni en format Jupyter).
 

• Construction du data frame d'études
  
• Présentation des résultats d'un arbre de décision, d'une forêt aléatoire, d'un xgboost et d'un perceptron multicouche.
  

Comment ?

Méthodes pédagogiques

1 poste et 1 support par stagiaire
8 à 10 stagiaires par salle
Remise d'une documentation pédagogique papier ou numérique pendant le stage
La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne
Attestation de fin de stage remise au stagiaire