Data Science - Data Science et Machine Learning sous R

Connaissances équivalentes aux stages "initiation à la programmation R" et "introduction à la Statistique".

• Utiliser des méthodes d’exploration de données
• Comprendre le principe de la modélisation statistique
• Choisir entre la régression et la classification
• Évaluer les performances prédictives d'un modèle

La Data Science repose sur la maîtrise de techniques d'exploration de données fondamentales: statistiques descriptives, prédictives ou exploratoires. Ce stage pratique vous présentera les méthodes indispensables en Data Science et particulièrement en Machine Learning sous RStudio.

RAPPELS DU LANGAGE R (0,25 JOUR)

• Les types de données dans R
• Importation-exportation de données
• Techniques pour tracer des courbes et des graphiques

ANALYSE EN COMPOSANTES (1 JOUR)

• Analyse en Composantes Principales
• Analyse Factorielle des Correspondances
• Analyse des Correspondances Multiple

LA MODÉLISATION (0,25 JOUR)

• Les algorithmes supervisés et non supervisés
• Le choix entre la régression et la classification
• Les étapes de construction d'un modèle

LES ALGORITHMES NON SUPERVISES (1 JOUR)

• Le clustering hiérarchique
• Le clustering non hiérarchique
• Les approches mixtes

PROCÉDURES D’ÉVALUATION DE MODÈLES (0,5 JOUR)

• Les techniques de rééchantillonnage
• Mesures de performance des modèles prédictifs
• Matrice de confusion, de coût et la courbe ROC et AUC

LES ALGORITHMES SUPERVISES (1 JOUR)

• Le principe de régression linéaire univariée
• La régression multivariée
• La régression polynomiale
• La régression logistique
• Le Naive Bayes
• L’arbre de décision
• Les K plus proches voisins

Notre méthode, adaptée à votre contexte, associe implication des participants et supports concrets.

Attestation de présence

En présentiel ou en classe virtuelle