Formation Data Mining – Machine Learning

Jour 1

1. Introduction générale
   1. Définitions : data mining et machine learning
   2. Points communs, différences et effet buzz
   3. Point logiciel
2. Data Mining
   1. Explorer des données : cas univarié
      1. Décrire une variable qualitative
      2. Décrire une variable quantitative
      3. Automatiser le calcul dans R
   2. Explorer des données : cas bivarié
      1. Décrire le lien entre deux variables qualitatives
      2. Décrire le lien entre deux variables quantitatives
      3. Décrire le lien entre une variable qualitative et une quantitative
      4. Graphiques uni et bivariés automatisés
   3. Explorer des données : cas multivarié
      1. Introduction
      2. Analyse en Composantes Principales : approche intuitive
      3. Analyse Factorielle des Correspondances
      4. Analyse des Correspondances Multiples

Jour 2

Data Mining (suite)

4. Classer des observations (clustering)
   1. Introduction
   2. Classification k-means
   3. Partitioning Around Medoids
   4. Classification Ascendante Hiérarchique
   5. DBSCAN
   6. Cartes Auto-Génératrices de Kohonen
5. Machine Learning Supervisé
   1. Introduction, définitions et démarche
   2. Pré-traiter les données
   3. Comparer la performance de différents algorithmes/valeurs d’hyperparamètres

Jour 3

Machine Learning Supervisé (suite)

4. Problématiques de régression
   1. Modélisation statistique et régression linéaire simple
   2. Régression multiple : principe
   3. Régression multiple : Sélection de variables
   4. Lasso, Ridge, Elastic Net
   5. Régression PLS
   6. Arbres de régression
5. Problématiques de classification
   1. K plus proches voisins
   2. Analyse factorielle discriminante
   3. Régression logistique
   4. Support Vector Machines
   5. Arbres de classification
6. Agrégation de modèles
   1. Bagging
   2. Random Forests
   3. Boosting

Jour 4

7. Applications caret
   1. Introduction à la plateforme caret
   2. Projet régression
   3. Projet classification
8. Introduction aux Réseaux de Neurones Artificiels et au Deep Learning, application Keras