Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 2 · Python et projet

Les trois cas et le persona

Le cours propose de s'entraîner sur trois cas (jeux de données accessibles par lien), en adoptant un persona (un rôle d'analyste). Chaque cas a un objectif de décision.

CasDonnéesObjectif
1 · Accidents de voiture en Francetemps, lieu, météo, profil conducteur, gravitéidentifier les contextes les plus accidentogènes et proposer des actions de prévention et d'aménagement (zones, horaires, facteurs de risque)
2 · Performance football (joueur-match)buts, passes, xG simplifié, stats défensives, charge physique, domicile/extérieurprofiler les joueurs et comprendre l'impact du contexte (poste, compétition, lieu) pour éclairer composition, rotation, recrutement
3 · Animaux d'un zooespèce, habitat, santé, stress, enrichissements, reproduction, coûts vétérinaires, attractivitérelier bien-être animal, conservation, coûts et fréquentation pour prioriser les actions

Le xG (« expected goals ») est ici une probabilité qu'un tir soit converti en but, simplifiée.

Vérifie que tu as compris

Dans le cas du football, que représente le xG simplifié ?

Vérifie que tu as compris

Quel est l'objectif du cas « accidents de voiture » ?