Cours de manipulation de données en Data Science

Leçon 1 • Configuration des Outils et de l'Environnement

Présente la chaîne d'outils standard de la science des données et configure un environnement de travail reproductible. Garantit que tous les étudiants opèrent à partir d'une base technique cohérente.

Leçon 2 • Le Cycle de Vie de la Science des Données

Trace un projet du problème métier à l'information déployée. Fournit un modèle mental reproductible pour structurer tout engagement en science des données.

Leçon 3 • Types de Données et de Problèmes

Catégorise les données structurées, non structurées et semi-structurées et les associe à des types de problèmes. Guide la sélection de méthodes appropriées dès le départ.

Leçon 1 • Sources et Formats de Données

Passe en revue les origines de données et les formats de fichiers courants rencontrés dans la pratique. Prépare les étudiants à gérer en toute confiance tout format de données entrant.

Leçon 2 • Consommation d'API et de Données Web

Couvre les appels d'API REST, l'authentification et le scraping HTML pour la collecte de données. Élargit la gamme de sources de données auxquelles les étudiants peuvent accéder par programmation.

Leçon 3 • Stratégies de Stockage de Données

Compare les fichiers plats, les bases de données relationnelles et les magasins columnaires pour différentes charges de travail. Les étudiants sélectionnent le stockage approprié en fonction du volume et des modèles de requêtes.

Leçon 4 • Interrogation des Bases de Données Relationnelles

Enseigne les fondamentaux de SQL pour extraire et filtrer les données à partir de magasins relationnels. Permet directement les tâches de récupération de données dans chaque chapitre suivant.

Leçon 1 • Conversion de Type de Données et Mise en Forme

Aborde l'analyse des dates, l'encodage des catégories et la standardisation des champs de texte. Garantit que les outils en aval reçoivent des entrées de type correct.

Leçon 2 • Remodelage et Fusion d'Ensembles de Données

Enseigne le pivotement, la fusion et la jointure de plusieurs tables en un seul ensemble de données analytique unifié. Prépare directement les données pour l'analyse exploratoire du chapitre suivant.

Leçon 3 • Détection et Traitement des Valeurs Aberrantes

Couvre les méthodes statistiques et visuelles pour identifier les valeurs anormales et décider du traitement. Protège les performances du modèle des entrées déformées.

Leçon 4 • Gestion des Données Manquantes

Explique les mécanismes de la manquance et les stratégies d'imputation ou de suppression appropriées. Empêche les biais introduits par un traitement naïf des valeurs manquantes.

Leçon 1 • Analyse Visuelle Univariée

Enseigne les histogrammes, les diagrammes en boîte et les diagrammes de densité pour les distributions à variable unique. Développe la littératie visuelle appliquée tout au long du cours.

Leçon 2 • Analyse Bivariée et Multivariée

Explore les relations entre deux ou plusieurs variables à l'aide de nuages de points, de cartes de chaleur et de diagrammes en paires. Révèle les corrélations et les interactions pertinentes pour la modélisation.

Leçon 3 • Exploration des Données Catégorielles

Analyse les distributions de fréquence et les tableaux croisés pour les variables catégorielles. Complète la boîte à outils AED pour les types de données mixtes.

Leçon 4 • Statistiques Descriptives

Couvre la tendance centrale, la dispersion et la forme de la distribution pour les variables numériques. Fournit la base quantitative pour toute analyse visuelle ultérieure.

Leçon 1 • Mise à l'Échelle et Normalisation

Applique la mise à l'échelle min-max, la standardisation et la mise à l'échelle robuste aux caractéristiques numériques. Garantit que les modèles basés sur la distance et le gradient reçoivent des entrées comparables.

Leçon 2 • Encodage des Variables Catégorielles

Couvre l'encodage one-hot, ordinal et cible pour convertir les catégories en entrées numériques. Empêche les biais induits par l'encodage dans les modèles en aval.

Leçon 3 • Réduction de Dimensionnalité

Introduit l'ACP et d'autres techniques de réduction pour compresser les espaces de caractéristiques de haute dimension. Réduit le risque de surapprentissage et le coût de calcul avant la modélisation.

Leçon 4 • Création de Nouvelles Caractéristiques

Dérive des termes d'interaction, des caractéristiques polynomiales et des agrégats spécifiques au domaine. Élargit l'espace des caractéristiques avec des signaux non présents dans les colonnes brutes.

Leçon 1 • Validation Croisée et Surapprentissage

Applique la validation croisée k-fold et stratifiée pour détecter le surapprentissage et estimer la généralisation. Produit des estimations de performance fiables avant la sélection finale du modèle.

Leçon 2 • Algorithmes de Classification

Introduit la régression logistique, les arbres de décision, les forêts aléatoires et les machines à vecteurs de support pour les cibles catégorielles. Étend le workflow supervisé aux résultats discrets.

Leçon 3 • Réglage des Hyperparamètres

Utilise la recherche par grille, la recherche aléatoire et l'optimisation bayésienne pour trouver des configurations de modèle optimales. Maximise les performances du modèle dans les contraintes de calcul.

Leçon 4 • Métriques d'Évaluation du Modèle

Définit l'exactitude, la précision, le rappel, le F1, ROC-AUC, RMSE et le R-carré pour évaluer la qualité du modèle. Permet une comparaison objective entre les algorithmes et les configurations.

Leçon 1 • Évaluation des Solutions de Clustering

Applique des métriques de validation internes et externes pour évaluer et comparer les solutions de clustering. Permet une sélection de cluster défendable sans étiquettes de vérité terrain.

Leçon 2 • Clustering Densitaire et Hiérarchique

Applique DBSCAN pour le clustering tolérant au bruit et les méthodes hiérarchiques pour la segmentation basée sur les dendrogrammes. Gère les structures de clusters non sphériques et imbriquées.

Leçon 3 • Fondamentaux du Clustering

Explique le paradigme de l'apprentissage non supervisé et le rôle des métriques de distance dans le regroupement. Fournit la base conceptuelle pour tous les algorithmes de clustering couverts.

Leçon 4 • Interprétation et Utilisation des Sorties de Clustering

Profile les caractéristiques des clusters et intègre les étiquettes de cluster comme caractéristiques pour les modèles supervisés. Relie les résultats non supervisés aux décisions métier et aux pipelines en aval.

Leçon 1 • Gouvernance et Documentation du Modèle

Établit des fiches de modèle, des pistes d'audit et des contrôles d'accès pour une utilisation responsable en production. Satisfait aux exigences de responsabilité organisationnelle et réglementaire.

Leçon 2 • Surveillance des Performances du Modèle

Suit la qualité des prédictions, la dérive des données et les métriques de santé du système en production. Détecte la dégradation avant qu'elle n'affecte les résultats métier.

Leçon 3 • Conteneurisation et Pipelines de Déploiement

Empaquette les services de modèle dans des conteneurs et automatise le déploiement via des pipelines CI/CD. Réduit les erreurs de déploiement manuelles et accélère les cycles d'itération.

Leçon 4 • Préparation des Modèles pour la Production

Couvre la sérialisation, la gestion des dépendances et les exigences de reproductibilité pour la remise en production. Garantit que les modèles se comportent de manière identique en dehors de l'environnement de développement.