Cours de data science Full Stack

Leçon 1 • L'essentiel de la programmation Python

Couvre la syntaxe Python, les structures de données et le contrôle de flux en tant que langage de codage principal. Établit la base de script sur laquelle tout le travail ultérieur sur les données repose.

Leçon 2 • Algèbre linéaire pour la science des données

Enseigne les vecteurs, les matrices et les décompositions en tant que socle mathématique des algorithmes de ML. Se connecte directement à la réduction de dimensionnalité et à l'optimisation de modèles ultérieures.

Leçon 3 • NumPy pour le calcul numérique

Présente le calcul basé sur les tableaux avec NumPy pour des opérations numériques rapides. Permet directement les calculs matriciels et les transformations de données vectorisées utilisés tout au long du cours.

Leçon 4 • Bases du calcul infinitésimal et de l'optimisation

Couvre les dérivées, les gradients et la règle de dérivation en chaîne comme outils pour comprendre l'entraînement des modèles. Fournit l'intuition derrière la descente de gradient utilisée dans chaque chapitre de ML.

Leçon 1 • Visualisation de données avec Matplotlib et Seaborn

Développe des compétences en création de graphiques avec Matplotlib et Seaborn pour communiquer des informations issues des données. La maîtrise de la visualisation soutient à la fois l'EDA et les rapports aux parties prenantes tout au long du cours.

Leçon 2 • Ingestion de données et bases de pandas

Présente les DataFrames, les Series et les E/S de fichiers pour charger des données structurées à partir de multiples sources. Forme le point d'entrée pour toutes les tâches de manipulation de données dans ce chapitre.

Leçon 3 • Ingénierie des caractéristiques et transformation

Enseigne le codage, la mise à l'échelle, le regroupement en intervalles et la création de caractéristiques dérivées pour préparer les données au ML. Les caractéristiques transformées sont l'entrée directe de tous les modèles d'apprentissage supervisé.

Leçon 4 • Techniques d'analyse exploratoire des données

Applique des résumés statistiques et des visualisations pour découvrir des motifs, des corrélations et des anomalies. Les résultats de l'EDA guident la sélection des caractéristiques et le choix du modèle dans les chapitres suivants.

Leçon 1 • Écriture de requêtes SQL de base

Couvre les clauses SELECT, WHERE, ORDER BY et LIMIT pour la récupération et le filtrage des données. Ce sont les éléments constitutifs de chaque requête analytique dans ce chapitre.

Leçon 2 • Concepts de bases de données relationnelles

Explique les tables, les clés, les schémas et la normalisation comme fondement structurel des bases de données relationnelles. Comprendre la conception de schémas est un prérequis pour écrire des requêtes efficaces.

Leçon 3 • SQL pour les workflows de science des données

Applique SQL à l'extraction de données, au calcul de caractéristiques et à l'intégration de pipeline avec Python. Fait le pont entre l'interrogation de bases de données et l'analyse basée sur pandas couverte au chapitre 2.

Leçon 4 • Sous-requêtes et fonctions de fenêtrage

Présente les sous-requêtes, les CTE et les fonctions de fenêtrage pour des motifs SQL analytiques avancés. Ces techniques sont essentielles pour le classement, les totaux cumulés et l'analyse de cohortes.

Leçon 1 • Réglage des hyperparamètres et validation croisée

Couvre la recherche par grille, la recherche aléatoire et la validation croisée à k volets pour une optimisation robuste des modèles. Ces techniques évitent le surapprentissage et garantissent des estimations de performance fiables.

Leçon 2 • Workflow d'apprentissage automatique et scikit-learn

Présente le pipeline ML de bout en bout : diviser les données, ajuster les modèles et évaluer les prédictions. Établit le modèle d'API scikit-learn utilisé dans chaque section ML suivante.

Leçon 3 • Méthodes d'ensemble et boosting

Présente les forêts aléatoires, le gradient boosting et XGBoost comme modèles d'ensemble haute performance. S'appuie sur les concepts de modèles uniques pour obtenir des résultats de pointe sur des données tabulaires.

Leçon 4 • Modèles de régression et évaluation

Couvre la régression linéaire, Ridge, Lasso et polynomiale pour la prédiction de cibles continues. Les métriques d'évaluation comme RMSE et R² sont présentées ici et réutilisées tout au long du chapitre.

Leçon 1 • Méthodes de détection d'anomalies

Applique l'isolation forest, le SVM à une classe et des méthodes statistiques pour détecter les valeurs aberrantes dans les données. La détection d'anomalies est une application directe de l'apprentissage non supervisé à des problèmes réels.

Leçon 2 • Réduction de dimensionnalité non linéaire

Présente t-SNE et UMAP pour visualiser des données de haute dimension en deux ou trois dimensions. Ces méthodes révèlent la structure des clusters que PCA ne peut pas capturer dans des données non linéaires.

Leçon 3 • Modélisation de sujets et factorisation matricielle

Couvre NMF et LDA pour extraire des sujets latents de collections de documents et de matrices creuses. Étend l'apprentissage non supervisé au texte et aux cas d'utilisation de systèmes de recommandation.

Leçon 4 • Analyse en composantes principales

Couvre PCA comme technique linéaire de réduction de dimensionnalité préservant la variance. Relie la décomposition en valeurs propres du chapitre 1 à la compression et la visualisation pratiques des caractéristiques.

Leçon 1 • Fondamentaux des réseaux de neurones

Présente les perceptrons, les fonctions d'activation et la rétropropagation comme mécanismes de base des réseaux de neurones. Relie la descente de gradient du chapitre 1 aux règles de mise à jour des poids.

Leçon 2 • Réseaux de neurones convolutifs

Couvre la convolution, le pooling et les architectures CNN pour la classification d'images et l'extraction de caractéristiques. S'appuie sur les réseaux feedforward pour traiter les structures de données spatiales.

Leçon 3 • Construction de modèles avec Keras et TensorFlow

Enseigne les API Sequential et Functional pour construire et entraîner des modèles d'apprentissage profond. Établit les motifs de codage utilisés dans toutes les sections suivantes sur l'apprentissage profond.

Leçon 4 • Réseaux récurrents et modélisation de séquences

Présente les RNN, les LSTM et les GRU pour la modélisation de données séquentielles et de séries temporelles. Prépare les étudiants aux tâches de NLP et de prévision couvertes dans les chapitres suivants.

Leçon 1 • Reconnaissance d'entités nommées et extraction d'informations

Applique des modèles de séquençage d'étiquettes et spaCy pour extraire des entités, des relations et des données structurées à partir de texte. Relie les modèles de NLP aux pipelines pratiques d'extraction d'informations.

Leçon 2 • Word embeddings et représentations sémantiques

Présente Word2Vec, GloVe et FastText pour des représentations sémantiques denses des mots. Les embeddings remplacent les vecteurs creux et améliorent les performances des modèles sur les tâches NLP en aval.

Leçon 3 • Modèles Transformers et BERT

Présente le mécanisme d'attention, l'architecture transformer et BERT pour le NLP contextuel. Couvre le fine-tuning de modèles pré-entraînés pour la classification et la reconnaissance d'entités nommées.

Leçon 4 • Prétraitement du texte et représentation

Couvre la tokenisation, la lemmatisation, l’élimination des mots vides et le TF‑IDF pour convertir le texte brut en caractéristiques. Ces étapes de prétraitement constituent le fondement de chaque pipeline NLP de ce chapitre.

Leçon 1 • Pipelines ML et orchestration de workflows

Présente Airflow et Prefect pour la planification, l'orchestration et la surveillance des pipelines d'entraînement ML. Les pipelines automatisés remplacent le réentraînement manuel et réduisent le risque opérationnel.

Leçon 2 • Surveillance des modèles et détection de dérive

Couvre la dérive des données, la dérive du concept et la surveillance de la dégradation des performances pour les modèles déployés. La surveillance continue boucle la boucle entre le déploiement et le réentraînement du modèle.

Leçon 3 • Structure et reproductibilité des projets ML

Établit la disposition du projet, les environnements virtuels et les pratiques de contrôle de version pour un ML reproductible. La reproductibilité est le prérequis pour chaque tâche de déploiement et de collaboration dans ce chapitre.

Leçon 4 • Suivi des expériences et registre de modèles

Applique MLflow pour journaliser les paramètres, les métriques et les artefacts à travers les sessions d'entraînement. Un registre de modèles permet une promotion versionnée de l'expérience à la production.