Formation Data Mining

Leçon 1 • Qualité des données et défis

Examine le bruit, les valeurs manquantes, les valeurs aberrantes et la redondance comme obstacles à une exploration précise. Les apprenants apprennent à diagnostiquer les problèmes de qualité avant de commencer la modélisation.

Leçon 2 • Considérations éthiques et de confidentialité

Aborde le consentement, les biais, l'équité et la divulgation responsable dans les projets d'exploration de données. Établit un prisme éthique appliqué tout au long du cours.

Leçon 3 • Types de données et attributs

Couvre les échelles nominale, ordinale, d'intervalle et de rapport, ainsi que les données structurées et non structurées. Le type d'attribut détermine quels algorithmes sont applicables.

Leçon 4 • Qu'est-ce que l'exploration de données

Définit l'exploration de données, ses objectifs et sa position dans le processus plus large de découverte de connaissances. Ancre toutes les techniques ultérieures dans un cadre conceptuel unifié.

Leçon 1 • Techniques de nettoyage des données

Couvre les stratégies d'imputation, le lissage du bruit et la suppression des doublons. Des données propres sont la condition préalable à la découverte fiable de motifs dans les chapitres suivants.

Leçon 2 • Fondamentaux de l'ingénierie des caractéristiques

Enseigne la construction de nouvelles caractéristiques à partir d'attributs bruts pour révéler des motifs cachés. Des caractéristiques solides amplifient les performances de chaque algorithme d'exploration couvert ultérieurement.

Leçon 3 • Intégration et fusion des données

Explique l'appariement de schémas, la résolution d'entités et la résolution de conflits lors de la fusion de plusieurs sources. Des ensembles de données intégrés permettent des modèles plus riches et plus généralisables.

Leçon 4 • Méthodes de réduction des données

Présente la réduction de dimensionnalité, la réduction de numérosité et la compression des données. Des ensembles de données plus petits et représentatifs réduisent le calcul sans sacrifier les insights.

Leçon 1 • Visualisation des valeurs aberrantes et des anomalies

Utilise des méthodes visuelles pour faire apparaître les anomalies avant l'application d'algorithmes de détection formels. La détection visuelle précoce empêche les valeurs aberrantes de fausser les modèles ultérieurs.

Leçon 2 • Analyse univariée et bivariée

Examine les distributions à une variable et les relations par paires à l'aide d'histogrammes, de boîtes à moustaches et de nuages de points. Révèle les motifs marginaux et conjoints dans les données.

Leçon 3 • Communication des résultats de l'AED

Enseigne la sélection de graphiques, l'annotation et la structure narrative pour présenter les résultats exploratoires. Une communication claire aligne les parties prenantes avant que l'investissement dans la modélisation ne commence.

Leçon 4 • Techniques de visualisation multivariée

Présente les coordonnées parallèles, les cartes thermiques et les graphiques à dimensionnalité réduite pour les données de grande dimension. Permet l'inspection simultanée de nombreuses variables.

Leçon 1 • Métriques d'évaluation des classifieurs

Couvre l'exactitude, la précision, le rappel, le F1, l'ASC-ROC et les matrices de confusion. La sélection des métriques dépend du déséquilibre des classes et du coût de chaque type d'erreur.

Leçon 2 • Machines à vecteurs de support

Explique les hyperplans à marge maximale, les fonctions noyau et les SVM à marge souple. Les SVM excellent dans les espaces de grande dimension courants dans les données textuelles et génomiques.

Leçon 3 • Arbres de décision et induction de règles

Couvre les algorithmes ID3, C4.5 et CART, y compris les critères de partitionnement et l'élagage. Les arbres de décision fournissent des modèles interprétables adaptés aux parties prenantes métier.

Leçon 4 • Concepts de classification et flux de travail

Définit l'apprentissage supervisé, les partitions d'entraînement/test et le compromis biais-variance. Établit l'état d'esprit d'évaluation utilisé pour tous les algorithmes de classification.

Leçon 1 • Méthodes de régression régularisées

Couvre les méthodes Ridge, Lasso et Elastic Net pour contrôler le surapprentissage et effectuer la sélection de caractéristiques. La régularisation est essentielle lorsque les caractéristiques surpassent les observations.

Leçon 2 • Régression linéaire pour la prédiction

Passe en revue les moindres carrés ordinaires, les hypothèses et les graphiques de diagnostic pour les modèles linéaires. La régression linéaire fournit une référence interprétable pour les tâches de prédiction numérique.

Leçon 3 • Évaluation du modèle de régression

Applique l'EMA, l'ERM, le R-carré et l'analyse des résidus pour comparer les modèles de régression. Une évaluation appropriée empêche le déploiement de modèles qui échouent sur des données non vues.

Leçon 4 • Régression non linéaire et polynomiale

Étend les modèles linéaires avec des termes polynomiaux, des splines et des modèles additifs généralisés. Les méthodes non linéaires capturent les relations curvilignes manquées par les approches linéaires.

Leçon 1 • Validation et interprétation des clusters

Applique le score de silhouette, l'indice de Davies-Bouldin et les connaissances du domaine pour évaluer la qualité des clusters. La validation empêche une confiance excessive dans des regroupements arbitraires.

Leçon 2 • Clustering hiérarchique

Explique les approches agglomératives et divisives avec des critères de liaison et des dendrogrammes. Les méthodes hiérarchiques révèlent une structure multi-échelle sans spécifier k à l'avance.

Leçon 3 • Méthodes de partitionnement

Couvre les algorithmes k-means, k-medoids et k-modes avec des stratégies d'initialisation. Les méthodes de partitionnement passent bien à l'échelle et conviennent aux clusters larges et de forme globulaire.

Leçon 4 • Clustering basé sur la densité

Présente DBSCAN et OPTICS pour découvrir des clusters de forme arbitraire et des points de bruit. Les méthodes de densité gèrent les géométries irrégulières que k-means ne peut pas capturer.

Leçon 1 • Algorithme Apriori

Explique la propriété Apriori, la génération de candidats et l'élagage pour une découverte efficace d'itemsets. Les étudiants implémentent Apriori sur des ensembles de données de transactions de vente au détail.

Leçon 2 • Algorithme FP-Growth

Présente l'arbre FP et la base de motifs conditionnels pour une exploration plus rapide sans génération de candidats. FP-Growth surpasse Apriori sur les ensembles de données denses.

Leçon 3 • Concepts d'itemsets fréquents

Définit le support, la confiance, le lift et la conviction comme mesures de qualité des règles. Ces métriques déterminent quels motifs sont statistiquement et pratiquement significatifs.

Leçon 4 • Applications de l'exploration d'associations

Applique les règles d'association à l'analyse du panier d'achat, des flux de clics web et de la co-occurrence médicale. Le contexte du domaine détermine quelles règles se traduisent en valeur métier.

Leçon 1 • Surveillance et maintenance des modèles

Enseigne la détection de dérive, les déclencheurs de réentraînement et les tableaux de bord de performance pour les modèles déployés. Une surveillance continue empêche la dégradation silencieuse des modèles en production.

Leçon 2 • Méthodes d'ensemble et de méta-apprentissage

Couvre le boosting, le stacking et le blending pour combiner des apprenants faibles en prédicteurs forts. Les stratégies de méta-apprentissage maximisent la précision sur des benchmarks compétitifs.

Leçon 3 • Déploiement et mise à disposition des modèles

Couvre la sérialisation, la mise à disposition via une API REST, le scoring par lots et la conteneurisation pour les modèles de production. Le déploiement comble le fossé entre les notebooks expérimentaux et les systèmes en direct.

Leçon 4 • Détection d'anomalies et de valeurs aberrantes

Applique des méthodes statistiques, de proximité et basées sur l'isolation pour détecter les événements rares. La détection d'anomalies sous-tend la détection de fraude, la surveillance des pannes et la sécurité.