Formation Big Data Analytics avec Python modélisation et représentation des données

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 oeuvre 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 oeuvre de la diminution du nombres 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.