FORMATION POWER BI x DATA SCIENCE (2 jours)

I- Introduction à la data science et au machine learning

Quelques définitions : intelligence artificielle, deep learning, machine learning, data science, statistiques, big data

Positionnement par rapport à la BI

Les deux grandes familles en machine learning: supervisé et non supervisé

Des exemples d’utilisation

L’importance des données:

nature des données

la quantité

la qualité

 L’importance de l’évaluation d’un modèle

métrique d’évaluation

principe de séparation de l’échantillon de données

Quelques exemples d’algorithmes

Les logiciels disponibles

II - Le workflow machine learning

Importation des données

Téléchargement direct sur site, API, requête dans une base de données 

Les différents formats de données : xls(x), csv, json, xml, html, sqlite, format access, format sérialisé pour langage de programmation R ou Python

Nettoyage des données 

Vérification du type de chaque colonne

Traitement des valeurs manquantes

Contrôle de la qualité des données

Exploration des données

Statistiques descriptives de bases (nombre, minimum, maximum, valeur moyenne, médiane, variance, écart-type, quantiles, valeurs extrêmes, nombre de valeurs manquantes)

Visualisation des données : variable par variable, deux variables ensembles, trois ou plus variables ensemble, corrélation entre variables.

Feature engineering

A partir d’une datetime : jour de la semaine, mois, année, tranche horaire

Regroupement de modalités (pour des variables catégorielles)

Transformation pour des variables numériques : différence, logarithme, agrégation, valeur retardées

Choix et entraînement des algorithmes

Sélection du modèle approprié en fonction du type de problème: classification, régression, clustering

Stratégie propre à l’apprentissage supervisé (split train test), cross-validation

Contrôle et interprétation des résultats

Interprétation du résultat du processus d’apprentissage (les “sorties”)

Analyse des prédiction du modèle pour de l’apprentissage supervisé et de l’impact de chacune des variables, analyse des clusters pour de l’apprentissage non supervisé

Recours possible à la visualisation pour un meilleur contrôle des résultats

III - Applications avec Power BI

Possibilité avec Power BI et autres services Microsoft

Avantages de Power BI: exploration de données facile et rapide, visualisations élégantes, et facilité de communication des résultats

Inconvénients : écosystème data science peu développé

Application de l’apprentissage supervisé: Prédiction du prix des appartements AirBNB

Application du clustering : segmentation de population / base de clients

Application de la classification : Prédiction du défaut pour les détenteurs de carte bleu