Data Science Starter Program (Formation Big Data)
Découvrez notre formation continue Big Data.
Avec l’explosion et la profusion des données disponibles dans un grand nombre de domaines, les nouvelles techniques de collecte et d’analyse vont affecter de façon profonde l’ensemble des secteurs de la vie économique, mais aussi certains secteurs de la recherche.
La formation en big data en formation continue, offre une introduction aux meilleurs outils méthodologiques pour appréhender et exploiter les données massives,
Une immersion dans l’univers du Big Data à travers un parcours intensif portant sur les fondamentaux en sciences des données.
- Dates :les vendredi et samedi : du 29/09/2017 au 16/12/2017 (DSSP 7)
- Durée :18 jours (120 heures)
- Pour qui :Profil technique ayant une expérience de programmation ou statistique
- Lieu :Ecole polytechnique
- Langue :Français et Anglais
- Certification :Conduire un projet de sciences de données (CNCP 1527)
- Code :PC-DSSP
Objectifs
- Comprendre et s’approprier les Data Sciences
- Appréhender les enjeux du Big Data
- Identifier et assimiler les outils et techniques pour résoudre des problèmes complexes d’analyse des données
- Découvrir comment les appliquer à ses missions professionnelles
- Assimiler les clés de compréhension pour interagir avec les spécialistes dans un cadre professionnel ou académique
Programme
Introduction à la big data :
- L'Écosystème du big data,
- Le cycle de vie d’un projet de données
- La gestion de projet,
- L'architecture informatique
- L'introduction au calcul distribué,
- Les questions de confidentialité
Bases de données et outils big data :
- SQL et NoSQL
- Calcul distribué
- Cloud computing
- Map Reduce et Hadoop
- HIVE/PIG
- Spark
Prétraitement des donnés et visualisation :
- Le nettoyage de données
- La normalisation
- La sélection et création des variables
- La réduction de dimensions
- L'exploration de données
- La visualisation avec R et Python
- La visualisation par navigateur, data mashup, data mungin
- La conception et ingénierie des variables
Atelier Données - 1ère partie :
- L'introduction au jeu de données et à l’objectif de l’atelier
- L'exploration et sélection/ingénierie des variables
Analyse des données et apprentissage automatique :
- L'introduction à l’apprentissage
- L'apprentissage non supervisé
-
L'apprentissage supervisé
- régression et sélection des variables
- régression logistique
- classification naïve bayésienne
- algorithme des k-voisins les plus proches (KNN)
- machines à vecteurs de support (SVM)
- arbres de décision et réseaux de neurones
- L'évaluation des modèles
- Le surapprentissage
- La sélection de modèles
- Les méthodes d’ensemble
Apprentissage automatique pour les données non-traditionnelles :
- Le filtrage collaboratif
-
Les fouilles du Web, de graphes et de textes
- Web
- graph
- text mining recommandation
- La personnalisation
-
La publicité sur le web et marketing
Atelier Données - 2ème partie :
- Application des méthodes d’apprentissage automatique aux résultats de la première partie
- Sélection de modèles et méthodes d’ensemble
La pédagogie :
- des cours
- des travaux personnels sous forme de projet
- des études de cas pratiques
- des témoignages d’industriels
- des conférences de personnalités académiques travaillant sur cette thématique
Chaque participant est également invité à apporter son propre projet, afin d’en explorer le potentiel. Cet accompagnement particulier permettra à chaque participant de bénéficier de conseils personnalisés et de bâtir une stratégie qui correspond à ses propres besoins
Intervenants
- Responsable pédagogique
Soumis par la-rivoal_49 le mar, 04/28/2015 - 11:51
ErwanÉcole polytechniqueProfesseur associé au département de mathématiques appliquées
Découvrir sa bibliographie complète
- Responsable pédagogique
Soumis par la-rivoal_49 le mar, 04/28/2015 - 12:00
MichalisProfesseur au Laboratoire d'Informatique de l'École polytechnique (LIX)
- Intervenant(s)
Soumis par la-rivoal_49 le mar, 04/28/2015 - 12:02
StéphaneProfesseur Chargé de Cours, Centre de Mathématiques Appliquées, Ecole polytechnique - Intervenant(s)
Soumis par la-rivoal_49 le mar, 04/28/2015 - 12:05
BalázsChercheur au Laboratoire de l'accélérateur linéaire (LAL) du CNRS et de la chaire du Centre Data Science de l'Université Paris-Saclay - Intervenant(s)
Soumis par la-rivoal_49 le mar, 04/28/2015 - 12:12EricEnseignant-chercheur en Statistique, département MASS et à la composante Rennes 2 de l'équipe de Statistique de l'IRMAR.
- Intervenant(s)
Soumis par la-rivoal_49 le mer, 04/29/2015 - 11:12ApostolosLaboratoire d'Informatique (LIX)
- Intervenant(s)
Soumis par la-rivoal_49 le mer, 04/29/2015 - 10:57
ChristosChercheur Post-doctorant au Laboratoire d'Informatique de l'École polytechnique (LIX) - Intervenant(s)
Soumis par la-rivoal_49 le mer, 04/29/2015 - 11:07
