[Partie 1] Principes fondamentaux de la construction de données

▣ Chapitre 1 : Comprendre les statistiques

1.1 Pourquoi devrions-nous connaître les statistiques ?
1.2 Différences entre l'apprentissage automatique et les statistiques traditionnelles
1.3 Définition et origine des statistiques
1.4 Statistiques descriptives Statistiques inférentielles
___1.4.1 Statistiques techniques
1.4.2 Statistiques inférentielles

▣ Chapitre 2 : Population et échantillonnage

2.1 Population et échantillon, recensement et enquête par sondage
2.2 Pourquoi réalisons-nous des enquêtes par sondage et comment appliquons-nous la science des données ?
2.3 Types de biais dans l'échantillonnage
2.4 Types de biais cognitifs
2.4.1 Biais de confirmation
2.4.2 Biais d'ancrage
___2.4.3 Biais favorisant le choix
___2.4.4 Biais du dénominateur
___2.4.5 Biais de survie
2.5 Biais et variance dans les modèles d'apprentissage automatique
2.6 Méthodes d'échantillonnage pour minimiser le biais d'échantillonnage

▣ Chapitre 3 : Variables et échelles

3.1 Types de variables
3.2 Types de relations entre variables
3.3 Types d'échelles

▣ Chapitre 4 : Mesures statistiques descriptives des données

4.1 Mesure de la tendance centrale
4.2 Variance et écart type
4.3 Diagramme de dispersion, étendue, quartiles et coefficient de variation
4.4 Asymétrie et aplatissement
___4.4.1 Asymétrie
___4.4.2 Kurtosis
4.5 Règle empirique pour l'écart type

▣ Chapitre 5 : Probabilités et variables aléatoires

5.1 Concepts de base des probabilités
5.2 Types de probabilité
5.3 Segmentation et théorie bayésienne
___5.3.1 Division
___5.3.2 Théorie bayésienne
5.4 Concept et types de variables aléatoires
5.5 Le paradoxe des Simpson

▣ Chapitre 6 : Distributions de probabilité

6.1 Définition et types de distributions de probabilité
6.2 Distributions de probabilité discrètes
___6.2.1 Répartition uniforme
6.2.2 Distribution binomiale
6.2.3 Distribution hypergéométrique
___6.2.4 Distribution de Poisson
6.3 Distribution de probabilité continue
6.3.1 Distribution normale
6.3.2 Distribution exponentielle
6.4 Théorème central limite

▣ Chapitre 7 : Tests d'hypothèses

7.1 Hypothèses nulle et alternative
7.2 Procédures de test d'hypothèses
7.3 Niveau de signification et valeur p des tests d'hypothèse
7.4 Erreurs de type 1 et de type 2

[Partie 2] Préparation de l'analyse des données

▣ Chapitre 8 : Préparation et planification du projet d'analyse

8.1 Processus global d'analyse des données
8.1.1 Les trois étapes de l'analyse des données
8.1.2 Méthodologie CRISP-DM
___8.1.3 Méthodologie SAS SEMMA
8.2 Définition du problème commercial et définition des objectifs d'analyse
8.3 Changement d'objectif de l'analyse
8.4 Connaissances du domaine
8.5 Collecte et exploration de données externes

▣ Chapitre 9 : Mise en place de l’environnement d’analyse

9.1 Quel langage d'analyse de données dois-je utiliser ?
9.2 Comprendre le processus de traitement des données
9.3 Traitement distribué des données
___9.3.1 HDFS
___9.3.2 Apache Spark
9.4 Jointures de tables, définitions et diagrammes ER
___9.4.1 Jointures de tables
___9.4.2 Dictionnaire de données
___9.4.3 Définition du tableau
___9.4.4 ERD

▣ Chapitre 10 : Exploration et visualisation des données

10.1 Analyse exploratoire des données
___10.1.1 Analyse exploratoire des données (EDA) avec Excel
___10.1.2 Exercices pratiques d'analyse exploratoire des données
10.2 Analyse de covariance et de corrélation
___10.2.1 Covariance
___10.2.2 Coefficient de corrélation
___10.2.3 Exercices pratiques d'analyse de covariance et de corrélation
10.3 Visualisation du temps
___10.3.1 Exercices de visualisation du temps
10.4 Visualisation comparative
___10.4.1 Exercices de visualisation comparative
10.5 Visualisation de la distribution
___10.5.1 Exercice de visualisation de la distribution
10.6 Visualisation des relations
___10.6.1 Exercice de visualisation des relations
10.7 Visualisation spatiale
___10.7.1 Exercices de visualisation spatiale
10.8 Diagramme en boîte
___10.8.1 Exercices sur les diagrammes en boîte

▣ Chapitre 11 : Prétraitement des données et création de variables dérivées

11.1 Gestion des valeurs manquantes
___11.1.1 Exercices de gestion des valeurs manquantes
11.2 Gestion des valeurs aberrantes
___11.2.1 Pratique de gestion des valeurs aberrantes
11.3 Regroupement des variables
___11.3.1 Exercice de regroupement de variables
11.4 Standardisation et normalisation des données
___11.4.1 Pratique de normalisation et de mise à l'échelle des données
11.5 Création de variables dérivées pour améliorer les performances du modèle
___11.5.1 Exercice de création de variables dérivées
11.6 Traitement des données par fenêtre glissante
___11.6.1 Exercices sur les fenêtres coulissantes
11.7 Traitement des variables indicatrices des variables catégorielles
___11.7.1 Exercice pratique sur la manipulation des variables indicatrices de variables catégorielles
11.8 Sous-échantillonnage et suréchantillonnage pour résoudre les problèmes de déséquilibre des classes
___11.8.1 Exercices de sous-échantillonnage et de sur-échantillonnage
11.9 Comment mesurer la distance de données
11.9.1 Méthodes de mesure de distance représentatives
___11.9.2 Exercices de mesure de distance

[Partie 3] Analyse des données

▣ Chapitre 12 : Méthodologie d'analyse statistique

12.1 Aperçu du modèle d'analyse
12.2 Analyse en composantes principales (ACP)
___12.2.1 Exercices pratiques d'analyse en composantes principales
12.3 Analyse factorielle commune (AFC)
___12.3.1 Pratique courante de l'analyse factorielle
12.4 Traitement de la multicolinéarité et analyse de la valeur de Shapley
12.5 Traitement des données et analyse à l'aveugle
___12.5.1 Massage des données
___12.5.2 Analyse à l'aveugle
12.6 Test Z et test T
___12.6.1 Exercices sur les tests Z et T
12.7 Analyse de la variance (ANOVA)
___12.7.1 Exercices d'ANOVA
12.8 Test du chi carré (tableau croisé)
___12.8.1 Exercices pratiques sur le test du chi carré

▣ Chapitre 13 : Méthodologie d’analyse de l’apprentissage automatique

13.1 Analyse de régression linéaire et Elastic Net (modèle prédictif)
___13.1.1 Origine et principes de l'analyse de régression
___13.1.2 Régression polynomiale
___13.1.3 Crête, Lasso et Filet élastique
13.1.4 Analyse de régression linéaire et exercices pratiques sur les réseaux élastiques
13.2 Analyse de régression logistique (modèle de classification)
___13.2.1 Exercices pratiques d'analyse de régression logistique
13.3 Arbres de décision et forêts aléatoires (modèles de prédiction/classification)
13.3.1 Arbres de classification et arbres de régression
___13.3.2 Avantages et inconvénients des modèles d'arbres de décision
13.3.3 Méthodes de prévention du surapprentissage des modèles d'arbres de décision
___13.3.4 Forêt aléatoire
___13.3.5 Exercices pratiques sur les arbres de décision et les forêts aléatoires
13.4 Analyse discriminante linéaire et analyse discriminante quadratique (modèles de classification)
13.4.1 Analyse discriminante linéaire
___13.4.2 Analyse discriminante du second ordre
___13.4.3 Exercices d'analyse discriminante linéaire et d'analyse discriminante quadratique
13.5 Machine à vecteurs de support (modèle de classification)
___13.5.1 Exercices pratiques sur les machines à vecteurs de support
13.6 KNN (Modèle de classification et de prédiction)
___13.6.1 Pratique KNN
13.7 Analyse des séries chronologiques (modèle de prévision)
13.7.1 Analyse des séries chronologiques par régression
___13.7.2 Modèle ARIMA
___13.7.3 Exercices pratiques d'analyse de séries chronologiques
13.8 Clustering k-means (modèle de clustering)
___13.8.1 Exercices de clustering k-means
13.9 Règles d'association et filtrage collaboratif (modèles de recommandation)
___13.9.1 Règles de l'association
___13.9.2 Filtrage basé sur le contenu et filtrage collaboratif
___13.9.3 Règles d'association et pratique du filtrage collaboratif
13.10 Réseaux de neurones artificiels (CNN, RNN, LSTM)
___13.10.1 CNN
___13.10.2 RNN et LSTM
___13.10.3 Exercices pratiques sur les réseaux de neurones artificiels

▣ Chapitre 14 : Évaluation du modèle

14.1 Ensemble d'entraînement, ensemble de validation, ensemble de test et surapprentissage
14.2 Principales méthodes de validation croisée
___14.2.1 Validation croisée k-fold
___14.2.2 LOOCV (Validation croisée Leave-One-Out)
___14.2.3 Validation croisée stratifiée à K plis
___14.2.4 Validation croisée imbriquée
14.2.5 Validation croisée par recherche sur grille
___14.2.6 Mise en pratique des principales méthodes de validation croisée
14.3 Indice d'évaluation des performances de régression
___14.3.1 R² et R² ajusté
___14.3.2 RMSE (Root Mean Square Error)
___14.3.3 MAE (Erreur absolue moyenne)
___14.3.4 MAPE (Erreur moyenne absolue en pourcentage)
___14.3.5 RMSLE (Root Mean Square Logarithmic Error)
___14.3.6 AIC et BIC
___14.3.7 Exercices pratiques d'évaluation des performances de régression
14.4 Indicateurs d'évaluation des performances de classification et de recommandation
___14.4.1 Matrice de confusion
14.4.2 Exactitude, taux d'erreur de classification, précision, sensibilité, spécificité et score F
14.4.3 Tableau d'amélioration, graphique d'amélioration et courbe d'amélioration
___14.4.4 Courbe ROC et AUC
___14.4.5 Courbe de profit
___14.4.6 Précision à k, rappel à K et MAP
___14.4.7 Classification, Recommandation, Indicateur d'évaluation des performances, Pratique
14.5 Tests A/B et MAB
___14.5.1 Tests A/B
___14.5.2 MAB
14.6 Pièges de la probabilité de signification
14.7 Jugement subjectif et narration de l'analyste

★ Ce que ce livre aborde ★

◎ Concepts statistiques de base essentiels à l'analyse des données
◎ Biais des données et biais cognitifs
◎ Comment définir les problèmes commerciaux et en déduire l'objectif de l'analyse des données
◎ Configuration de l'environnement d'analyse des données
◎ Exploration et visualisation des données
◎ Prétraitement des données et création de variables dérivées
◎ Principaux algorithmes d'apprentissage automatique et techniques d'évaluation des performances des modèles
◎ Tests A/B et MAB