Programme détaillé

LE DATA SCIENTIST ET SON ROLE DANS L'ENTREPRISE

• Fiche d'identité et profils chez LinkedIn, Amazon, Facebook...
• Les compétences recherchées

LA BOITE A OUTILS DU DATA SCIENTIST

• Langages de script : R, Python
• Langages compilés: C/C++, Java/Clojure
• Plateformes et frameworks: Hadoop, Mahout, Weka, Orange

TYPOLOGIE DE DONNEES

• Données structurées et non structurées
• Documents texte, emails, logs
• Séries temporelles, données spatiales
• Transactions (e-commerce, banque)
• Télécoms et données d'appel
• TP : collecte de données web publiques

L'ANALYSE EXPLORATOIRE

• Qualifier les données
• Détecter les tendances, patterns récurrents et anomalies
• Gérer les outliers
• Versionner son code
• Comment organiser une chaîne de traitement : Make, Camel
• TP : mise en place d'une chaîne évolutive de traitement de données

ALGORITHMES

• Clustering
• Corrélation et Frequent Itemset
• Classification et prédiction
• Analyse de séquences, filtrage et modèles de Markov
• Méthodes d'ensemble

PLATEFORMES ET ENVIRONNEMENTS POUR LA FOUILLE DE DONNEES

• Pig/Hive et Mahout
• Introduction à Weka
• Python et Numpy, Scipy
• R

APPLICATIONS

• Moteurs de recommandation
• Optimisation d'allocation de ressources
• Identification d'anomalies
• TP : conception d'un moteur de recommandation d'articles web

MISE EN OEUVRE

• Validation d'un modèle – jeux d'apprentissage, test et courbes ROC
• Déploiement : l'atout "DevOps"
• Passage à l'échelle: l'avantage MapReduce
• Intégration à Hadoop
• Visualisation de jeux de données massives
• Publier via une IHM web: D3.js

PENSER LES IMPACTS SOCIAUX

• Effets indirects d'une approche orientée données
• La CNIL, devoirs d'éthique et le respect de la vie privée