Practicum de science des données de bout en bout avec Knime

Aperçu

Le cours commence par une approche descendante des projets de science des données. La première étape consiste à couvrir les techniques de gestion de projet en science des données et nous suivons la méthodologie CRISP-DM avec les 6 étapes ci-dessous :

Programme

• **Introduction aux Projets de Science des Données**
Aperçu de la Science des Données
Importance de la Gestion de Projet dans la Science des Données
Introduction à la Méthodologie CRISP-DM
• **Compréhension du Métier**
Définir les Objectifs du Projet
Évaluer la Faisabilité du Projet
Identifier les Principaux Parties Prenantes
Traduire les Objectifs de l'Entreprise en Objectifs de Science des Données
• **Compréhension des Données**
Techniques de Collecte de Données
Exploration et Profilage des Données dans Knime
Identifier les Problèmes de Qualité des Données
Visualisation Initiale des Données
• **Préparation des Données**
Nettoyage et Prétraitement des Données dans Knime
Ingénierie des Caractéristiques
Techniques de Transformation des Données
Gestion des Données Manquantes et des Valeurs Aberrantes
• **Modélisation**
Choisir les Bonnes Techniques de Modélisation
Construire et Tester des Modèles dans Knime
Réglage des Hyperparamètres
Stratégies de Validation Croisée
• **Évaluation**
Indicateurs de Performance du Modèle
Validation et Évaluation des Résultats des Modèles
Alignement avec les Objectifs Commerciaux
Interprétation des Résultats pour les Parties Prenantes
• **Déploiement**
Stratégies de Déploiement des Modèles dans Knime
Surveillance et Maintenance des Modèles
Création d'un Flux de Déploiement dans Knime
• **Application de Cas d'Étude**
Application du CRISP-DM à un Scénario Réel
Travail de Projet en Équipe dans Knime
Présentation des Résultats et Recommandations
• **Conclusion et Clôture du Cours**
Leçons Tirées de la Pratique
Conseils pour un Apprentissage Continu en Science des Données
Ressources pour Aller Plus Loin en Knime et en Science des Données

Enseigné par

Prof. Dr. Şadi Evren Şeker

Sujets

Science des données