Programme détaillé

INTRODUCTION AUX DATA SCIENCES

• Qu'est que la data science ?
• Qu'est-ce que Python ?
• Qu'est que le Machine Learning ?
• Apprentissage supervisé vs non supervisé
• Les statistiques
• La randomisation
• La loi normale

INTRODUCTION À PYTHON POUR LES DATA SCIENCE

• Les bases de Python
• Les listes
• Les tuples
• Les dictionnaires
• Les modules et packages
• L'orienté objet
• Le module math
• Les expressions lambda
• Map, reduce et filter
• Le module CSV
• Les modules DB-API 2
• Anaconda

INTRODUCTION AUX DATALAKE, DATAMART ET DATAWHAREHOUSE

• Qu'est-ce qu'un DataLake ?
• Les différents types de DataLake
• Le Big Data
• Qu'est-ce qu'un DataWharehouse ?
• Qu'est qu'un DataMart ?
• Mise en place d'un DataMart
• Les fichiers
• Les bases de données SQL
• Les bases de données No-SQL

PYTHON PACKAGE INSTALLER

• Utilisation de PIP
• Installation de package PIP
• PyPi

MATPLOTLIB

• Utilisation de la bibliothèque scientifique de graphes MatPlotLib
• Affichage de données dans un graphique 2D
• Affichages de sous-graphes
• Affichage de polynômes et de sinusoïdales

MACHINE LEARNING

• Mise en place d'une machine learning supervisé
• Qu'est qu'un modèle et un dataset
• Qu'est qu'une régression
• Les différents types de régression
• La régression linéaire
• Gestion du risque et des erreurs
• Quarter d'Ascombe
• Trouver le bon modèle
• La classification
• Loi normale, variance et écart type
• Apprentissage
• Mesure de la performance
• No Fee Lunch

LA RÉGRESSION LINÉAIRE EN PYTHON

• Programmer une régression linéaire en Python
• Utilisation des expressions lambda et des listes en intention
• Afficher la régression avec MatPlotLib
• L'erreur quadratique
• La variance
• Le risque

LE BIG DATA

• Qu'est-ce que Apache Hadoop ?
• Qu'est-ce que l'informatique distribué ?
• Installation et configuration de Hadoop
• HDFS
• Création d'un datanode
• Création d'un namenode distribué
• Manipulation de HDFS
• Hadoop comme DataLake
• Map Reduce
• Hive
• Hadoop comme DataMart
• Python HDFS

LES BASES DE DONNÉES NOSQL

• Les bases de données structurées
• SQL avec SQLite et Postgresql
• Les bases de données non ACID
• JSON
• MongoDB
• Cassandra, Redis, CouchDb
• MongoDB sur HDFS
• MongoDB comme DataMart
• PyMongo

NUMPY ET SCIPY

• Les tableaux et les matrices
• L'algèbre linéaire avec Numpy
• La régression linéaire SciPy
• Le produit et la transposée
• L'inversion de matrice
• Les nombres complexes
• L'algèbre complexe
• Les transformées de Fourier
• Numpy et Matplotlib

SCIKITLEARN

• Le machine Learning avec SKLearn
• La régression linéaire
• La création du modèle
• L'échantillonnage
• La randomisation
• L'apprentissage avec fit
• La prédiction du modèle
• Les metrics
• Choix du modèle
• PreProcessing et Pipeline
• Régressions non polynomiales

NEAREST NEIGHBORS

• Algorithme des k plus proches voisins (k-NN)
• Modèle de classification
• K-NN avec SciKitLearn
• Choix du meilleur k
• Sérialisation du modèle
• Variance vs Erreurs
• Autres modèles : SVN, Random Forest

PANDAS

• L'analyse des données avec Pandas
• Les Series
• Les DataFrames
• La théorie ensembliste avec Pandas
• L'importation des données CSV
• L'importation de données SQL
• L'importation de données MongoDB
• Pandas et SKLearn

LE CLUSTERING

• Regroupement des données par clusterisation
• Les clusters SKLearn avec k-means
• Autres modèles de clusterisation : AffinityPropagation, MeanShift, ...
• L'apprentissage semi-supervisé

JUPYTER

• Présentation de Jupyter et Ipython
• Installation
• Utilisation de Jupyter avec Mathplotlib et Sklearn

PYTHON YIELD

• La programmation efficace en Python
• Le générateurs et itérateurs
• Le Yield return
• Le Yield avec Db-API 2, Pandas et Sklearn

LES RÉSEAUX NEURONAUX

• Le perceptron
• Les réseaux neuronaux
• Les réseaux neuronaux supervisés
• Les réseaux neuronaux semi-supervisés
• Les réseaux neuronaux par Hadoop Yarn
• Les heuristiques
• Le deep learning