Schématiquement, la Science des Données est définie autour d'une agrégation de compétences en Informatique (langage comme R et Python , gestion des données, calcul parallèle...), Statistique (exploration, estimation test, modélisation, prévision) Apprentissage Machine (prévision), Mathématiques (probabilités, optimisation, analyse fonctionnelle, graphes...).

Son apprentissage est acquis par l'intermédiaire de scénarios d'analyse de données réelles, ou tutoriel, présentés sous forme de calepins (jupyter notebooks) en R ou Python. Voir à ce sujet le livre de référence du cours Fondations of Data Science de l'UC Berkley.

Cette pratique est indispensable mais masque les aspects théoriques (mathématiques, statistiques): une formule est remplacée par un commande ou fonction en Python ou R, une démonstration par l'exécution d'exemples dans un calepin.

Pour offrir de la profondeur, plus de compréhension, à cette (auto)-formation, les calepins renvoient (liens hypertextes) systématiquement à des vignettes "théoriques" du site wikistat.fr exposant en détail (cours) les méthodes et algorithmes concernés.

Il ne s'agit pas simplement de pouvoir exécuter une méthode, un algorithme, il est important d'en comprendre les propriétés, conditions d'utilisation et limites.

Cette saison est consacrée à l'apprentisage des premiers éléments de Statistique: description, éléments de probabilités, estimation, test, régression linéaire simple, introduction au cas multidimensionnel: analyse en composantes principales, régression multiple, modèle linéaire général.

Avoir acquis les compétences afférentes ou revenir sur des épisodes précédents:

• Initiation à R

Excécuter les calepins de la saison en se référant aux vignettes "théoriques" lorsque c'est nécessaire.

• Initiation à Python
• Exploration Statistique. Cette saison intègre les algorithmes d'apprentissage non-supervisé (clustering).
• Apprentissage Machine / Statistique
• Technologies des grosses data (Spark, XGBoost, Keras...)

• Prévision de la concentration en ozone (Rennes) Statistique descriptive, estimation, test, régression linéaire simple, introduction au cas multidimensionnel (analyse en composantes principales, régression linéaire multiple.
• Analyse d'une cohorte familiale Statistique descriptive, estimation, test, régression linéaire simple, introduction au cas multidimensionnel (analyse en composantes principales, régression linéaire multiple.
• Modèle linéaire général Modèles gaussiens et binomial, exemples avec R.
• A compléter...