Dans ce module, vous apprendrez ce qu'est le data mining, pourquoi nous en avons besoin et quelle en est l'approche. Le module présente également les bases de la probabilité et des statistiques, qui constituent le fondement du data mining. Vous aurez également un aperçu du prétraitement des données et de l'identification des tâches de data mining.

Dans ce module, vous découvrirez la programmation Python pour l'exploration de données. Le module aborde également les modules Python importants : NumPy , SciPy et Matplotlib. Vous apprendrez à installer Python à l'aide d'Anaconda et à utiliser le Bloc-notes pour écrire votre code. Le module présente également quelques exemples démontrant le Prétraitement des données en cours d'utilisation de Python.

Dans ce module, vous apprendrez ce qu'est l'apprentissage supervisé (apprentissage à partir d'exemples). Le module aborde deux tâches d'apprentissage supervisé : la régression et la classification. Vous aurez également un aperçu de plusieurs algorithmes de classification tels que les classificateurs bayésiens, les arbres décisionnels, les machines à vecteurs de support (SVM) et les classificateurs d'ensemble.

Dans ce module, vous apprendrez ce qu'est l'apprentissage non supervisé (apprentissage à partir de données non étiquetées sans aucune étiquette de vérité de terrain). Le module aborde également l'extraction d'ensembles d'éléments fréquents (frequent itemset mining). Vous aurez également un aperçu de plusieurs algorithmes de clustering de données tels que le clustering basé sur la distribution, le clustering partitionnel et le clustering hiérarchique.

Dans ce module, vous découvrirez les problèmes et les algorithmes de la Détection des anomalies. Vous aurez un aperçu des techniques de détection des anomalies. Vous apprendrez à valider vos résultats. Lors de l'application du Data mining aux données des villes intelligentes, vous apprendrez également à éviter les fausses découvertes en utilisant les tests de Significativité statistique et les tests d'hypothèse.

Dans ce module, vous découvrirez certains algorithmes avancés de Data mining tels que les réseaux neurones artificiels (ANN) et le Deep learning. Vous développerez une compréhension des applications de ces algorithmes. Le module analyse également les modèles de Markov cachés (HMM) pour la modélisation des données de séries chronologiques (séquentielles).

Dans ce module, vous recevez votre projet de fin d'année, les instructions pour le réaliser et les critères d'évaluation de votre travail par votre formateur.