Artificial Intelligence - Big Data - Big Data Analytics avec R

• Connaissances de base en statistiques.
• Connaissances de base en langage R.

• Comprendre le principe de la modélisation statistique
• Choisir entre la régression et la classification en fonction du type de données
• Évaluer les performances prédictives d'un algorithme
• Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances

Le Big Bata Analytics repose sur la maîtrise des techniques d'exploration de données fondamentales: statistiques descriptives, prédictives ou exploratoires. Ce stage pratique vous présentera des méthodes telles que les régressions et les ACP et vous apprendra à les mettre en œuvre avec le langage R, RStudio et Shiny.

Introduction à la modélisation

• Les types de données dans R.
• Importation-exportation de données.
• Techniques pour tracer des courbes et des graphiques.
• Introduction à R Shiny
• Interface utilisateur avec des exemples d'inputs courants.
• Implémentation côté serveur et dialogue avec l'interface, exemple d'outputs courants.

Travaux pratiques:

• Prise en main des scripts, Notebooks et applications Shiny.

La collecte et la préparation des données

• Préparation d'un jeu de données
• Nettoyage des données et valeurs manquantes
• Identification des corrélations
• Création de nouvelles variables pour aider à résoudre le problème

Travaux pratiques:

• Mise en pratique de nettoyage de données et de préparation des variables.

Procédures d'évaluation de modèles

• Préparation d'un jeu de données
• Nettoyage des données et valeurs manquantes
• Identification des corrélations
• Les techniques de ré-échantillonnage en jeu d'apprentissage, de validation et de test.
• Test de représentativité des données d'apprentissage.
• Mesures de performance des modèles prédictifs.
• Matrice de confusion, de coût et la courbe ROC et AUC.

Travaux pratiques:

• Mise en place d'échantillonnage de jeux de donnes. Effectuer des tests d'évaluations sur plusieurs modèles fournis.

Méthodes d’analyse de données

• Analyse en composantes principales.
• Analyse factorielle des correspondances.
• Analyse des correspondances multiples.
• Analyse factorielle pour données mixtes.
• Factorisation par matrices non négatives
• Latent Dirichlet Allocation
• Classification hiérarchique sur composantes principales.

Travaux pratiques:

• Mise en œuvre de la diminution du nombre des variables et identification des facteurs sous-jacents des dimensions associées à une variabilité importante.

Les algorithmes non supervisés

• Le clustering hiérarchique.
• Le clustering non hiérarchique.
• Les approches mixtes.

Travaux pratiques:

• Traitements de clustering non supervisés sur plusieurs jeux de données.

Les algorithmes supervisés

• Le principe de régression linéaire univariée.
• La régression multivariée.
• La régression polynomiale.
• La régression régularisée.
• Le Naive Bayes.
• La régression logistique.

Travaux pratiques:

• Mise en œuvre des régressions et des classifications sur plusieurs types de données.

Analyse de données textuelles

• Collecte et prétraitement des données textuelles.
• Extraction d'entités primaires, d'entités nommées et résolution référentielle.
• Étiquetage grammatical, analyse syntaxique, analyse sémantique.
• Lemmatisation.
• Représentation vectorielle des textes.
• Pondération TF-IDF.
• Word2Vec.

Travaux pratiques:

• Explorer le contenu d'une base de textes en utilisant l'analyse sémantique latente.

Notre méthode, adaptée à votre contexte, associe implication des participants et supports concrets.

Attestation de présence

En présentiel ou en classe virtuelle