Formation Langage R

Programme de la formation langage R : Data Science

Jour 1 – Philosophie data science

• Historique rapide
• Fondements formel de l’apprentissage machine.
• Distinction supervisé, non supervisé, par renforcement, trade off biais variance
• « Big Data » : Ni plafond ni plancher
• Théorie de la longue traîne appliquée aux données
• 2 approches : connaître l’avenir ou le changer ?
• Une stratégie de microdécision plus qu’un outil de décision

Initiation à R

• Fondamentaux
• Chargement des données avec data.table
• Exploration des données : par synthèse, par visualisation. Exercices de sélection / filtrage
• Traitement des données catégorielles, notion de dummy variable
• Traitement des données manquantes
• Gestion des formats (dont temps et lieux)
• Génération de nouvelles features : exploitation approfondie du format datatable

Jour 2 – Apprentissage non supervisé

• Approche synthèse
  • Synthese par colonne : Réduction de dimension : PCA / ICA
  • Synthèse par ligne : clustering
  • Kmeans
  • Hiérarchique (top down ou bottom up
  • Méthode d’évaluation de performance : variance / indicateur de silhouette
• Approche valeurs manquantes
  • Décomposition SVD
  • SGD, ALS

Jour 3 – Apprentissage supervisé

• Régression lin2aire
  • Formulation, condition d’usage
• Analyse de performance, pvalue, détection de performance
  • Notion d’overfitting
  • R2 et R2 ajusté
• Sélection de feature : approche forward, stepwise
• Approche pénalisée
  • Ridge, Lasso, élastic net.
  • Interprétation géométrique
• Arbres de décision
  • Principe de construction
  • Prunning
  • Interprétation, contexte d’exploitation
• Random Forest
  • Comment dépasser les limites de l’arbre de décision
  • Feature importance, importance locale
• Gradient boosting
  • Principes
  • Réglages
• XGBosst (extreme gradient boosting)
  • Principes, réglages

Jour 4 – Réglage fin et dépouillement de modèle

• Approfondissement des techniques de réglage de modeles
  • Fonctions de coût, RMSE, courbe roc et indicateur auc
  • Précautions de réglage, pièges à éviter
• Dépouillement de modèle
  • Où était l’information ?
  • Simplifier le modèle, sélection de feature avancée

Initiation text mining et NLP

• Lois de Heaps et de Zipf
• Comment structurer une source non structurée
  • Approche bag of words
  • Stop word et normalisation TF IDF
• Vers le NLP (natural language processing)
  • Analyse sémantique
  • Approche deep learning

Jour 5 – Initiation Deep Learning

• Réseaux de neurone
• Architecture de réseaux
  • Convolution
  • LSTM
• Découverte de l’environnement Keras pour déployer

Gestion de projet

• Les différentes phases d’un projet data
• Adaptation de la gestion de projet Agile aux projets data
• Structurer le dialogue data science / métier
• Piloter le projet
• Comment faire émerger les projets ? Quand s’arrêter ?