Python pour la Data Science

3 jours

JOUR 1
Rappel 1 (3h)

• Introduction au langage python
• Le langage (la syntaxe, les structures), les opérateurs et les fonctions
• Présentation des données structurées et non structurées
• L’importation des données

Rappel 2 (4h)

• La préparation et le nettoyage des données (jointure, filtre, transformation, traitement des données manquantes avec pandas, numpy et scipy)
• Présentation des librairies matplotlib et bokeh : Data visualisation

JOUR 2
Review jour 1 (1h)

Apprentissage statistique 1 (2h)

• Présentation des librairies scikit-learn et xgboost pour l’apprentissage statistique

Apprentissage statistique 2 (4h)

• Application des modèles de Machine Learning sur des jeux de données : choix des modèles (apprentissage supervisé vs non supervisé), optimisation des modèles, choix des meilleurs modèles, View sur Ensemble model: bagging, boosting et stacking, averaging, majority vote...

JOUR 3
Apprentissage statistique 3 : View Deep Learning (3h)

• Présentation de la librairie keras pour le Deep Learning
• View sur l’algorithme de classification d’images pour le Deep Learning

Exercice pratique supervisé (3h)

• Text Mining (NLP : Natural Language Process)

Présentation du projet d’évaluation (1h)