Objectifs pédagogiques

• À l’issue de la formation, le participant sera en mesure de :
• Comprendre le principe de la modélisation statistique
• Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python
• Savoir appliquer les pratiques optimales en matière de nettoyage et de préparation des données avant l'analyse
• Choisir entre la régression et la classification en fonction du type de données
• Apprendre à mettre en place un modèle d'apprentissage simple
• Être capable d'extraire des données d'un fichier

Public concerné

• Développeurs en Python, responsables infocentre, développeurs de logiciels, programmeurs, data analysts, data scientists.

Prérequis

• Maîtrise de la programmation Python. Connaissances de base en statistiques ou avoir suivi le stage "Statistiques, maîtriser les fondamentaux" (Réf. STA).
• Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant ce test.

Programme de la formation

Présentation de l’écosystème Python scientifique

• Panorama de l’écosystème scientifique de Python : les librairies incontournables.
• Savoir ou trouver de nouvelles librairies et juger de leur pérennité.
• Les principaux outils et logiciels open source pour la data science.

Travaux pratiques

Installation de Python 3, d'Anaconda et de Jupiter Notebook.

Travailler les données avec Python

• Le socle scientifique Python : la SciPy Stack.
• Les bonnes pratiques pour bien démarrer votre projet de data science avec Python.
• Les formats de fichiers scientifiques et les librairies pour les manipuler.
• Pandas : l’analyse de données tabulaires (fichiers csv, excel...), statistiques, pivots, filtres, recherche…
• Numpy : calcul numérique et algèbre linéaire (les vecteurs, matrices, images).
• L’extraction des données,la préparation , le nettoyage.

Travaux pratiques

• Ecrire des scripts Python permettant de travailler avec des données issues de fichiers, afin d’appliquer des filtres, des traitements de formatage, de nettoyage.

Introduction à la modélisation

• Les étapes de construction d'un modèle.
• Les algorithmes supervisés et non supervisés.
• Le choix entre la régression et la classification.

Travaux pratiques

Intégration dans l’environnement installé de scripts Python, pour analyse.

Procédures d'évaluation de modèles

• Les techniques de ré-échantillonnage en jeu d'apprentissage, de validation et de test.
• Test de représentativité des données d'apprentissage.
• Mesures de performance des modèles prédictifs.
• Matrice de confusion, de coût et la courbe ROC et AUC.

Travaux pratiques

• Mise en place d'échantillonnage de jeux de données. Effectuer des tests d'évaluations sur plusieurs modèles fournis.

Les algorithmes supervisés

• Le principe de régression linéaire univariée.
• La régression multivariée.
• La régression polynomiale.
• La régression régularisée.
• Le Naive Bayes.
• La régression logistique.

Travaux pratiques

Mise en œuvre des régressions et des classifications sur plusieurs types de données.

Les algorithmes non supervisés

• Le clustering hiérarchique.
• Le clustering non hiérarchique.
• Les approches mixtes.

Travaux pratiques

Traitements de clustering non supervisés sur plusieurs jeux de données.

Projet final