EC option Introduction à la Data Science (15HCM+15hTD)

Programme : Etre capable de mettre en œuvre des méthodes d’analyses statistiques

appliquées aux grosses volumétries de données. Comprendre les outils nécessaires, les

méthodologies usuelles, les concepts de parallélisation des calculs, prédictions temps réelles,

auto apprentissage, ... 1. Introduction à la data science : Contexte et histoire, Environnement technologique, Profil

du data scientists, Exemple d’application

2. Processus et fondamentaux : Les processus efficaces . Qu’est ce que la Big Data (Hadoop,

HDFS, Hive, …). Catégorisation des algorithmes (supervisés / non supervisés / relation /

recommandation)

3. SQL vs. NoSQL : Les bases de données relationnelles. Les bases de données orientées

colonnes. Les bases de données orientées graph. Comparaison des langages de requêtes

4. Intégration des données (ETL) : Qualité des données. Nettoyage, enrichissement.

Transformation, Factorisation. Automatisation (batch, temps réel) et processus de contrôle.

5. Analyse des données : Analyse exploratoire des données. Corrélation vs. Causalit. Les

modèles traditionnels (regression, …) et application dans l’environnement Big Data

6. Parallélisation et problématique associée : Que peut-on paralléliser ? Les nouveaux

modèles Big Data : Moteur de recommandation. Les nouveaux modèles Big Data : Look alike.

Les nouveaux modèles Big Data : Bandit Manchot.

7. Data visualisation : Qu’est ce que la Data visualisation ? Processus de mise en place de

visualisatio. Bénéfices

Logiciels d’appuis : R, Python, Neo4J