Data Science
Résumé de section
-
Ce cours est une introduction à la data science à destination d'un public non informaticien.
L'objectif est de présenter les enjeux de la data science et les nombreuses applications possibles notamment en termes de description des données mais aussi de prédiction et de recommandation.
Le cours fera un panorama des techniques d'apprentissage automatique -machine learning- sous-jacentes à la data science, en distinguant l'apprentissage supervisé et l'apprentissage non supervisé.
Ce cours fournira également les bases d'informatique indispensables à l'utilisation de techniques de classification, de régression et de clustering. Chaque notion abordée sera mise en pratique par les étudiants, qui posséderont ainsi toutes les bases pour la réalisation d'un projet en fin de module.
PS : Si vous ne pouvez pas installer Python et Anaconda sur votre propre machine, regardez la vidéo sur http://kirschpm.fr/cours/PythonDataScience/Binder.mp4. Cette petite vidéo pourra certainement vous aider. Elle contient des indications de comment faire pour utiliser un environnement on-line (Web). C'est court et ça peut aider.
-
Les datasets que vous pouvez utiliser pour le projet (ainsi qu'une description de leur contenu) sont disponibles à l'url suivante :
http://kirschpm.fr/cours/PythonDataScience/datasets_projet.zip
-
Tous les fichiers peuvent être téléchargés à partir de l'adresse http://kirschpm.fr/cours/PythonDataScience/.
-
Couleur de fond
Police
Crénage de la police
Taille de police
Visibilité de l’image
Espacement des lettres
Hauteur de ligne
Surbrillance de lien
Alignement du texte
Couleur de texte
