Programme
Le cours suit la démarche d’un projet de data science : comprendre les données, les préparer, choisir, évaluer et régler un modèle (chaque famille de modèles avec ses propres métriques), puis aborder l’apprentissage profond et ses grands domaines (images, texte, son). Les chapitres disponibles sont des liens ; les autres sont en cours de rédaction.
1. Fondamentaux
Section intitulée « 1. Fondamentaux »- Qu’est-ce que la data science ?
- Les données et leur description
- Probabilités et échantillonnage
- Corrélation et visualisation
2. Préparer les données
Section intitulée « 2. Préparer les données »3. Apprentissage supervisé
Section intitulée « 3. Apprentissage supervisé »Régression : prédire une valeur
- La régression linéaire et la descente de gradient
- Mesurer une régression
- Sous-apprentissage et surapprentissage
- Validation croisée et réglage des hyperparamètres
- Les modèles non linéaires en régression
Classification : prédire une catégorie
- La classification et la régression logistique
- Mesurer une classification
- Seuil, courbes ROC et précision-rappel
- Plusieurs classes et classes déséquilibrées
- Les arbres de décision
- Les méthodes d’ensemble : forêts et boosting
- Les k plus proches voisins
- Le Bayes naïf
- Les SVM et les noyaux
Synthèse
4. Apprentissage non supervisé
Section intitulée « 4. Apprentissage non supervisé »- Le clustering : k-means, DBSCAN, hiérarchique
- La réduction de dimension : ACP, t-SNE, UMAP
- La détection d’anomalies
5. Réseaux de neurones
Section intitulée « 5. Réseaux de neurones »- Du neurone au réseau
- La rétropropagation
- Entraîner un réseau : optimiseurs, régularisation, courbes d’apprentissage
6. Vision par ordinateur
Section intitulée « 6. Vision par ordinateur »- Les images et la convolution
- Les réseaux convolutifs (CNN)
- Augmentation, transfert et au-delà de la classification
7. Séquences et séries temporelles
Section intitulée « 7. Séquences et séries temporelles »- Les séries temporelles et la prévision ; MASE, validation glissante
- Les réseaux récurrents (RNN, LSTM)
8. Traitement du langage (NLP)
Section intitulée « 8. Traitement du langage (NLP) »- Représenter du texte : tokenisation, sac de mots, TF-IDF
- Les plongements de mots (word2vec)
- Classifier des textes ; F1 macro et analyse des erreurs
9. Transformers et LLM
Section intitulée « 9. Transformers et LLM »- Le mécanisme d’attention
- Générer du texte : GPT, température, échantillonnage ; perplexité
- Utiliser les LLM : prompts, RAG, ajustement fin ; évaluer un LLM
10. Audio
Section intitulée « 10. Audio »- Le signal et la transformée de Fourier
- Spectrogrammes et classification de sons
11. Éthique et mise en production
Section intitulée « 11. Éthique et mise en production »- Biais et équité ; métriques d’équité
- Interpréter un modèle
- Mettre un modèle en production et le surveiller ; dérive des données