Data Science en pratique

Ce cours s’étend sur toute l’année.

Cours obligatoire, avec évaluation.

Responsables R. Cousin, A. Bucci

Page web du cours

Plateforme pédagogique Moodle

Objectif Ce cours vise à développer les compétences pratiques nécessaires pour transformer des données brutes en solutions concrètes. Il présente des méthodes de visualisation, de transformation et de modélisation adaptées à un large éventail de problématiques telles que la régression, la classification, la réduction de dimension, les systèmes de recommandation, les modèles génératifs, et l’apprentissage par renforcement. Les participants apprendront à manipuler des ensembles de données réels, incluant des données tabulaires, des séries temporelles, des images et des textes, en utilisant des librairies avancées de machine learning et de deep learning. De plus, le cours met un accent particulier sur l’utilisation d’outils essentiels pour construire des pipelines robustes, indispensables à la mise en production.

Prérequis Notions fondamentales de probabilités, statistique et algèbre linéaire. Connaissance basique de Python.

Thèmes abordés

1. Environnements de travail et gestion de versions avec Git et Docker
2. Préparation des données et visualisation
3. Optimisation d’hyperparamètres et Sélection de modèles
4. Fondamentaux du deep learning et applications au traitement d’images et de textes
5. Systèmes de recommandation
6. Modèles génératifs
7. Fondamentaux de l’apprentissage par renforcement