Formation Data Mining et Extraction de Connaissances

Leçon 1 • Qu'est-ce que l'exploration de données

Définit l'exploration de données, ses objectifs et son rôle dans le processus KDD plus large. Ancre toutes les techniques ultérieures dans un cadre conceptuel partagé.

Leçon 2 • Tâches fondamentales d'exploration de données

Introduit la classification, la régression, le clustering et l'extraction de règles d'association comme les principales familles de tâches. Relie chaque tâche à des types de problèmes du monde réel que les étudiants rencontreront.

Leçon 3 • Considérations éthiques et de confidentialité

Couvre les biais, l'équité, le consentement et les principes de gouvernance des données pertinents pour les projets d'exploration. Établit les normes de pratique responsable appliquées tout au long du cours.

Leçon 1 • Échantillonnage des données et gestion du déséquilibre

Explique les stratégies d'échantillonnage aléatoire, stratifié et par grappes, ainsi que les techniques pour les distributions de classes déséquilibrées. Assure des ensembles d'entraînement représentatifs pour une évaluation fiable des modèles.

Leçon 2 • Intégration et transformation des données

Couvre la fusion de sources hétérogènes, la résolution de conflits de schémas et l'application de la normalisation et de la discrétisation. Assure que les données provenant de multiples origines sont cohérentes et prêtes pour les algorithmes.

Leçon 3 • Techniques de nettoyage des données

Aborde les valeurs manquantes, les valeurs aberrantes, le bruit et les incohérences qui dégradent la performance des modèles. Développe les compétences pratiques de nettoyage requises avant d'appliquer un algorithme.

Leçon 1 • Visualisation univariée et bivariée

Couvre les histogrammes, les diagrammes en boîtes, les nuages de points et les cartes de chaleur pour l'analyse de variables simples et appariées. Équipe les étudiants pour détecter visuellement les distributions, les valeurs aberrantes et les relations.

Leçon 2 • Statistiques descriptives pour l'exploration

Passe en revue la tendance centrale, la dispersion, l'asymétrie et la corrélation comme outils de diagnostic pour la compréhension des données. Relie les résumés statistiques aux décisions concernant le prétraitement et le choix de l'algorithme.

Leçon 3 • Conception de tableaux de bord pour les informations sur les données

Enseigne les principes de mise en page, l'interactivité et la narration pour les tableaux de bord analytiques. Prépare les étudiants à présenter les résultats de l'AED aux parties prenantes techniques et non techniques.

Leçon 1 • Méthodes basées sur les instances et à noyau

Introduit les k-plus proches voisins et les machines à vecteurs de support comme classifieurs non paramétriques. Relie les astuces du noyau et les métriques de distance aux compromis de performance pratiques.

Leçon 2 • Arbres de décision et apprenants de règles

Explique les critères de division, l'élagage des arbres et l'extraction de règles pour une classification interprétable. Fournit la base conceptuelle pour comprendre les méthodes d'ensemble plus complexes.

Leçon 3 • Méthodes d'ensemble

Enseigne le bagging, le boosting et le stacking pour combiner des apprenants faibles en prédicteurs forts. Démontre comment les ensembles réduisent la variance et le biais au-delà des limites des modèles uniques.

Leçon 4 • Évaluation des classifieurs et sélection de modèles

Couvre les matrices de confusion, les courbes ROC, la validation croisée et les tests statistiques pour la comparaison de modèles. Assure que les étudiants peuvent choisir objectivement le meilleur classifieur pour une tâche donnée.

Leçon 1 • Méthodes de régularisation

Introduit les pénalités Ridge, Lasso et Elastic Net pour contrôler le surapprentissage dans des contextes de haute dimension. Relie la force de la régularisation à la sélection des caractéristiques et au compromis biais-variance.

Leçon 2 • Régression non linéaire et basée sur les arbres

Étend la prédiction aux modèles polynomiaux, par splines et basés sur les arbres pour capturer des relations complexes. Démontre quand les modèles non linéaires surpassent les modèles de base linéaires.

Leçon 3 • Régression linéaire et multiple

Couvre l’estimation par moindres carrés ordinaires, l’interprétation des coefficients et la vérification des hypothèses. Établit la base de régression à laquelle toutes les méthodes avancées sont comparées.

Leçon 1 • Clustering basé sur la densité et basé sur une grille

Introduit DBSCAN et OPTICS pour découvrir des clusters de formes arbitraires et gérer le bruit. Oppose les approches de densité aux méthodes centroïdes pour des distributions de données complexes.

Leçon 2 • Approches de clustering hiérarchique

Explique les stratégies agglomératives et divisives, les critères de liaison et l’interprétation des dendrogrammes. Permet aux étudiants de regrouper sans spécifier k à l’avance.

Leçon 3 • Méthodes de clustering partitionnel

Couvre les algorithmes k-means et k-medoids, les stratégies d’initialisation et le comportement de convergence. Établit le paradigme de clustering fondamental avant d’introduire des variantes plus complexes.

Leçon 1 • Algorithmes d’extraction efficaces

Couvre l’algorithme FP-Growth et sa structure d’arbre compressé comme alternative évolutive à Apriori. Démontre les avantages computationnels sur de grands ensembles de données transactionnelles.

Leçon 2 • Évaluation et élagage des règles

Introduit des mesures d’intérêt au-delà de la confiance pour filtrer les règles redondantes et fallacieuses. Équipe les étudiants pour fournir des ensembles de règles concis et de grande valeur aux parties prenantes.

Leçon 3 • Fondamentaux de l’extraction d’ensembles d’items fréquents

Définit le support, la confiance et le lift et explique le principe d’Apriori pour élaguer l’espace de recherche. Fournit la base théorique pour tous les algorithmes de règles d’association.

Leçon 1 • Exploration à grande échelle avec des outils de big data

Introduit les frameworks de calcul distribué et le traitement en mémoire pour les tâches d’exploration à grande échelle. Prépare les étudiants à appliquer des algorithmes fondamentaux sur des ensembles de données dépassant la capacité d’une seule machine.

Leçon 2 • Déploiement et surveillance des modèles

Enseigne la sérialisation des modèles, l’exposition via API REST et la surveillance en production pour la dérive de concept. Complète le pipeline KDD, des données brutes à un service de prédiction maintenu et actif.

Leçon 3 • Réseaux de neurones pour l’exploration de données

Couvre les réseaux feedforward, la rétropropagation et les fonctions d’activation appliqués à la classification et à la régression. Fait le pont entre les algorithmes d’exploration classiques et les approches modernes d’apprentissage profond.

Leçon 4 • Projet de synthèse de bout en bout

Intègre toutes les compétences du cours dans un projet d’exploration complet, de la définition du problème au modèle déployé. Développe des artefacts de portfolio professionnels démontrant une compétence complète en KDD.