Informatique

Utiliser R et Python dans le cadre de modèles d'apprentissage et de fonctions algorithmiques

Généralités

• Présentation et installation du logiciel R
• GUIs et IDEs
• Prise en main et premiers pas
• Fonctions et packages
• Utilisation des aides

Rappel des concepts de base du Data Mining

• Introduction à R - Concepts de base
• Syntaxe
• Type de données
• Import/Export de données
• Manipulation des librairies

Manipulation des données

• Rappels des grandeurs statistiques de bases
• Calcul des grandeurs statistiques de bases avec R
• Aperçu des types de visualisation courants en Data Mining
• Fonctions et librairies de base de visualisation avec R

Data Preprocessing

• Data Cleaning
• Data Reduction (analyse en composantes principales)
• Data Preprocessing et ACP avec R

Règles d'association

• Rappels théoriques de l'algorithme Apriori
• Application et exploitation des règles d'association avec R

Classification et régression

• Règles bayésiennes naïves
• Rappels théoriques
• Initiation à la librairie "e1071" de R
• Arbre de décision CART
• Rappels théoriques
• Initiation à la librarie "party" de R
• Arbre de décision RandomForest
• Rappels théoriques
• Initiation à la librairie "randomForest" de R
• Régression linéaire
• Rappels théoriques
• Initiation à la fonction lm() de R

Clustering

• Centroid-based clustering
• Algorithme du K-means
• Fonction kmeans de R
• Hierarchical clustering
• Concepts théoriques
• Fonction hclust de R
• Density-based clustering
• Concepts théoriques
• Application dans R

Outils de support à R

• Data preprocessing avec Dataiku
• Utilisation de R dans Dataiku