Objectifs de la formation

• Comprendre le principe de la modélisation statistique
• Choisir entre la régression et la classification en fonction du type de données
• Évaluer les performances prédictives d'un algorithme
• Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances

---

Programme de la formation

Introduction à la modélisation

• Introduction au langage Python.
• Introduction au logiciel Jupiter Notebook.
• Les étapes de construction d'un modèle.
• Les algorithmes supervisés et non supervisés.
• Le choix entre la régression et la classification.

Travaux pratiques

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

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 donnes. 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.

Analyse en composantes

• Analyse en composantes principales.
• Analyse factorielle des correspondances.
• Analyse des correspondances multiples.
• Analyse factorielle pour données mixtes.
• Classification hiérarchique sur composantes principales.

Travaux pratiques

Mise en œuvre de la diminution du nombre des variables et identification des facteurs sous-jacents des dimensions associées à une variabilité importante.

Analyse de données textuelles

• Collecte et prétraitement des données textuelles.
• Extraction d'entités primaires, d'entités nommées et résolution référentielle.
• Étiquetage grammatical, analyse syntaxique, analyse sémantique.
• Lemmatisation.
• Représentation vectorielle des textes.
• Pondération TF-IDF.
• Word2Vec.

Travaux pratiques

Explorer le contenu d'une base de textes en utilisant l'analyse sémantique latente.