Hands-on data science with Python

Enseignants

Caelen Olivier;

Langue
d'enseignement

Anglais

Préalables

Connaissances en programmation (ex. LDATS2030)

Thèmes abordés

Ce cours couvre les composantes conceptuelles et pratiques essentielles de la science des données appliquée. Les principaux thèmes abordés sont les suivants :
– Domaines d'application de la science des données et études de cas concrets illustrant le développement d'un projet de bout en bout.
– Cycle de vie standard d'un projet de science des données : acquisition des données, analyse exploratoire, nettoyage et prétraitement des données, développement, évaluation et déploiement du modèle.
– Les principes fondamentaux de l'apprentissage supervisé, avec un accent particulier sur les problèmes de classification et de régression.
– Une introduction aux modèles classiques d'apprentissage automatique, notamment les arbres de décision, les k plus proches voisins et les réseaux neuronaux...
– Une mise en œuvre pratique à l'aide de l'écosystème scientifique Python et d'outils modernes prenant en charge des pipelines et un déploiement reproductibles.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	En ce qui concerne le cadre des AA du Master [120] en science des données : statistiques, cette activité contribue au développement et à l'acquisition des AA suivants : •    en priorité : 1.1 – 1.2 – 1.3 – 2.1 – 2.4 – 2.5 – 6.3 •    en secondaire : 4.1 – 4.2 – 4.4 – 5.3 – 5.6 – 6.1 En ce qui concerne le cadre des AA du Master [120] en Statistiques : Général, cette activité contribue au développement et à l'acquisition des AA suivants : •    en priorité : 1.3 – 2.2 – 2.5 – 3.3 – 5.3 •    en secondaire : 2.4 – 5.4 – 5.6 – 6.3

Contenu

1.    Introduction à la science des données

1. Aperçu du processus de la science des données : compréhension des activités, compréhension des données, modélisation, évaluation, déploiement.
2. Étude de cas

2.    Extraction et manipulation de données en Python

1. Introduction à l'écosystème scientifique Python : NumPy, pandas, …
2. Chargement de données à partir de fichiers et d'API (CSV, JSON, SQL)
3. Prétraitement des données : valeurs manquantes, ingénierie des caractéristiques, encodage des variables catégorielles, mise à l'échelle et normalisation …
4. Analyse exploratoire et visualisation des données (matplotlib, seaborn,…)

3.    Apprentissage supervisé : classification et régression

1. Introduction à l'écosystème d'apprentissage automatique Python : sklearn & statsmodels
2. Modèles classiques d'apprentissage automatique pour les données tabulaires :

•  plus proches voisins
• arbres de décision et forêt aléatoire
• introduction aux réseaux neuronaux et PyTorch

4.    Évaluation et interprétabilité des modèles 

1. Divisions train/validation/test, validation croisée, mesures de performance (précision, F1, ROC-AUC, MSE)
2. Importance des caractéristiques et explicabilité des modèles (SHAP, importance des permutations)

5.    Introduction aux outils et à l'environnement informatique

1. Jupyter, MLflow, Streamlit, FastAPI

Méthodes d'enseignement

Le cours combine des cours magistraux appuyés par des diapositives et des sessions pratiques sur ordinateur au cours desquelles les étudiants appliquent chaque concept à l'aide de notebooks Python.

Modes d'évaluation
des acquis des étudiants

Projet de groupe et examen oral individuel. L'examen oral peut inclure des questions sur le projet. Les deux parties sont obligatoires pour réussir le cours.

Bibliographie

“Hands‑On Machine Learning with Scikit‑Learn and PyTorch: Concepts, Tools, and Techniques to Build Intelligent Systems”, Aurélien Géron, O’Reilly Media, ISBN -13: 979-8341607989
“Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python”, Sebastian Raschka, Yuxi (Hayden) Liu & Vahid Mirjalili, Packt Publishing, ISBN-13: 978-1801819312.

Faculté ou entité
en charge

> LSBA