• Objectifs de ce module
• Calendrier
• Mise en pratique
• Contrôle de connaissances
• Pré-requis

Objectifs de ce module

Ce module a pour objectif de compléter le cours science des données 1. Il sera lui-même complété dans le module de science des données 3 au semestre suivant.
Outre la maîtrise d'un certain nombre de notions, l'étude de la science des données nécessite la mise en pratique via la confrontation avec des études de cas. Aussi, une grande partie du module sera tournée vers la mise en pratique.
Après des années d'expérience, je suis maintenant convaincu que R est un meilleur environnement pour la science des données et en particulier pour son enseignement. Néanmoins, par cohérence avec le reste de la formation de licence MIASHS, la mise en pratique sera réalisée en python.
Une connaissance minimale de python est indispensable pour suivre ce cours. En aucun cas ce cours n'est un cours de python. En cas de besoin, lire cet ouvrage pour une présentation du langage.

Calendrier

Les séances se déroulent les mardis de 8h à 10h, à partir du 2 septembre 2025.
La dernière séance aura lieu le 9 décembre.

Mise en pratique

• TP 1 : Les tableaux de données.Éléments de correction.
• TP 2 : Les graphiques.
• TP 3 : Classification supervisée : introduction : à m'envoyer avant le 30 septembre.
• TP 4 : Classification supervisée : estimation du taux de succès : à m'envoyer avant le 30 septembre.
• TP 5 : Graphiques, le retour.
• TP 6 : Exploration visuelle pour la classification supervisée : à m'envoyer avant le 10 octobre.
• TP 7 : Les hyper-paramètres : à m'envoyer de préférence avant le 17 octobre.
• TP 8 : Les attributs catégoriques : à m'envoyer avant le 31 octobre.
• TP 9 : Brad's sweet home : de nouveaux sujets : à m'envoyer d'ici le 20 novembre. Éléments de correction.
• TP 10 : Perceptrons multi-couches : à m'envoyer d'ici le 9 décembre.

Quelques règles à respecter :

• Il faut travailler sous Ubuntu (ou plus généralement, Linux) : c'est le meilleur moyen d'éviter des bugs. Si vous travaillez sous Windows, vous allez rencontrer des bugs dus à Windows et je ne pourrais pas vous aider à les résoudre.
• Quand vous me rendez un TP (ou un contrôle) :
  • je ne veux pas de notebook : je veux un fichier python qui, quand je l'exécute dans une console Linux en tapant une commande telle que python nom-du-fichier.py, fait ce qui est demandé dans le sujet.
  • Je ne dois pas devoir modifier votre fichier. En particulier, attention si vous supposez que le fichier de données est contenu dans votre répertoire courant (ou un autre) sur l'ordinateur sur lequel vous faites le TP (ou le contrôle). Dans le programme que vous me rendez, le fichier de données est chargé via son url.
  • Ce qu'affiche votre programme doit être clair et compréhensible : cet affichage doit répondre aux questions du sujet.
  • Un programme python doit être commenté et correctement présenté. Il commence toujours par un commentaire indiquant le nom de la personne qui l'a écrit et le TP (ou contrôle) auquel il répond.
  • On n'importe que les bibliothèques qui sont utilisées (et une seule fois).

Contrôle de connaissances

Le contrôle de connaissances est continu. Il y aura 2 épreuves durant le semestre :

• le 21 octobre,
• le 9 décembre.

Pré-requis

• connaissances en python : si nécessaire, voir ce livre.
• connaissances en apprentissage automatique : si nécessaire, voir mes notes de cours de fouille de données.