Détails
- 14 Sections
- 74 Lessons
- 28 heures
Expand all sectionsCollapse all sections
- Introduction : langage R4
- 1.1Tour d’horizon des types de données dans R
- 1.2Importation-exportation de données
- 1.3Techniques pour tracer des courbes et des graphiques
- 1.4Travaux pratiques : Manipulation des scripts & Notebooks
- Introduction : langage R4
- 2.1Tour d’horizon des types de données dans R
- 2.2Importation-exportation de données
- 2.3Techniques pour tracer des courbes et des graphiques
- 2.4Travaux pratiques : Manipulation des scripts & Notebooks
- Analyse en composantes6
- 3.1Analyse en Composantes Principales
- 3.2Analyse Factorielle des Correspondances
- 3.3Analyse des Correspondances Multiples
- 3.4Analyse Factorielle pour Données Mixtes
- 3.5Classification Hiérarchique sur Composantes Principales
- 3.6Travaux pratiques : Implémentation de la diminution du nombre des variables & identification des facteurs sous-jacents des dimensions associées à une variabilité importante
- Analyse en composantes6
- 4.1Analyse en Composantes Principales
- 4.2Analyse Factorielle des Correspondances
- 4.3Analyse des Correspondances Multiples
- 4.4Analyse Factorielle pour Données Mixtes
- 4.5Classification Hiérarchique sur Composantes Principales
- 4.6Travaux pratiques : Implémentation de la diminution du nombre des variables & identification des facteurs sous-jacents des dimensions associées à une variabilité importante
- Modélisation4
- 5.1Étapes de construction d’un modèle
- 5.2Algorithmes supervisés & non supervisés
- 5.3Comparatif entre régression & classification
- 5.4Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis mise en place de tests d’évaluations sur plusieurs modèles fournis
- Modélisation4
- 6.1Étapes de construction d’un modèle
- 6.2Algorithmes supervisés & non supervisés
- 6.3Comparatif entre régression & classification
- 6.4Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis mise en place de tests d’évaluations sur plusieurs modèles fournis
- Outils et techniques d'évaluation de modèles5
- 7.1Outils de ré-échantillonnage en jeu d’apprentissage, de validation et de test
- 7.2Test de représentativité des données d’apprentissage
- 7.3Évaluation de la performance des modèles prédictifs
- 7.4Matrice de confusion, de coût et la courbe ROC et AUC
- 7.5Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis implémentation des tests d’évaluations sur plusieurs modèles fournis
- Outils et techniques d'évaluation de modèles5
- 8.1Outils de ré-échantillonnage en jeu d’apprentissage, de validation et de test
- 8.2Test de représentativité des données d’apprentissage
- 8.3Évaluation de la performance des modèles prédictifs
- 8.4Matrice de confusion, de coût et la courbe ROC et AUC
- 8.5Travaux pratiques : Déploiement d’échantillonnage de jeux de donnes puis implémentation des tests d’évaluations sur plusieurs modèles fournis
- Présentation des différents algorithmes non supervisés4
- 9.1Clustering hiérarchique
- 9.2Custering non hiérarchique
- 9.3Approches mixtes
- 9.4Travaux pratiques : Traitements de clustering non supervisés sur différents jeux de données
- Présentation des différents algorithmes non supervisés4
- 10.1Clustering hiérarchique
- 10.2Custering non hiérarchique
- 10.3Approches mixtes
- 10.4Travaux pratiques : Traitements de clustering non supervisés sur différents jeux de données
- Présentation des différents algorithmes supervisés7
- 11.1Principe de régression linéaire univariée
- 11.2Régression multivariée
- 11.3Régression polynomiale
- 11.4Régression régularisée
- 11.5Naive Bayes
- 11.6Régression logistique
- 11.7Travaux pratiques : Implémentation des régressions et des classifications sur différents types de données
- Présentation des différents algorithmes supervisés7
- 12.1Principe de régression linéaire univariée
- 12.2Régression multivariée
- 12.3Régression polynomiale
- 12.4Régression régularisée
- 12.5Naive Bayes
- 12.6Régression logistique
- 12.7Travaux pratiques : Implémentation des régressions et des classifications sur différents types de données
- Étude de données textuelles7
- 13.1Récolte & prétraitement des données textuelles
- 13.2Extraction d’entités primaires, d’entités nommées & résolution référentielle
- 13.3Étiquetage grammatical
- 13.4Analyse syntaxique & analyse sémantique
- 13.5Lemmatisation
- 13.6Représentation vectorielle des textes
- 13.7Pondération TF-IDF
- Étude de données textuelles7
- 14.1Récolte & prétraitement des données textuelles
- 14.2Extraction d’entités primaires, d’entités nommées & résolution référentielle
- 14.3Étiquetage grammatical
- 14.4Analyse syntaxique & analyse sémantique
- 14.5Lemmatisation
- 14.6Représentation vectorielle des textes
- 14.7Pondération TF-IDF
