Objectifs pédagogiques
Dans la poursuite des cours de fouille de données de M1, cet enseignement vise l'approfondissement du traitement de « données ». Les techniques de machine learning supervisées et non supervisées sont abordés.
Capacité et compétences acquises
Cet enseignement vise les compétences techniques de collecte (fichier de logs machine, web scraping, etc.), de pré-traitement et d'analyse par les principales méthodes de Machine Learning :
1. Exploiter les données dans une démarche analytique et business intelligence (BI) :
Analyses statistiques (statistiques descriptives, inférentielles) afin d'affirmer ou infirmer des hypothèses et/ou stratégies en lien avec les besoins des métiers composant une organisations (SAS, Excel, logiciel R, etc.)
2. Exploiter les données dans une démarche exploratoire (logiciel R, Python):
-analyser à l'aide des techniques de Datamining (fouille de données, analyse spatiale et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissances ou de nouveaux usages ;
- sélectionner et l'utiliser ou éventuellement implémenter des algorithmes de traitements des données à l'aide des méthodes d'apprentissage automatique (machine Learning, Deep Learning, réseaux de neurones)