Cours module data science 2025-2026
Cours 1 : algèbre linéaire, vecteurs, k-means (corrigé)
TP 1 : k-means pour la compression d’images (corrigé)
Cours 2 : matrices, transformations, changement de base, ACP (corrigé)
TP 2a : k-means et ACP pour un système de recommandation (corrigé)
TP 2a Bonus : améliorer le système de recommandation avec du clustering hiérarchique (corrigé)
TP 2b : ACP pour préparer la reconnaissance de visages (corrigé)
Cours 3 : Présentation des généralités sur le Machine Learning, explications SVM + indications pour optimiser l’entraînement et aller plus loin (K-Fold cross-validation, GridSearch, RandomizedSearch…)
Cours 4 : Généralités sur les séries temporelles (définition, tendance, saisonnalité, stationnarité…), processus AR, MA, ARMA, différenciation, test ADF, fonction d’autocorrélation ACF, fonction d’autocorrélation partielle PACF, modèles ARIMA et SARIMA (corrigé)
Cours 5 : approfondissement traitement images (histogrammes : étirement dynamique, seuillage), filtres convolutifs, filtres morphologiques (corrigé)
TP 5a : filtres convolutifs et morphologiques avec OpenCV et Scikit-Image, segmentation (corrigé)
TP 5b (optionnel) : détection visage, Haar Cascade (OpenCV)
Cours 6 : introduction à la sécurité des données et conformité RGPD dans un contexte Data Science (+ annexes : demo + fiche minimaliste RGPD)
Cours 7 : la relation client dans un contexte data science
Cours 8 : la communication en data science