Tutoriel sur la bibliothèque scikit-learn

Introduction aux outils de machine-learning

Session 1: Prise en main des modèles

1. Les différents modèles de références, apprentissage, inférence
2. Introspection légère des modèles
3. Les approches ensemblistes

Session 2: Evaluation(s) et sélection(s)

1. Métriques d'évaluation
   • taux de bonne classification, précision, rappel, f1... Mais aussi ROC
2. Validation croisée
   • Différents usage

Session 3: Sélection de modèle, sélection de caractéristiques

1. Sélection de modèles
   • procédure à la main
   • grid-search
2. Sélection de caratctéristiques

Session 3: Chaine de traitement

1. Pré-traitement des données
   • données catrégorielles
   • données manquante
2. Construction d'une chaine
   • nature des données d'entrée (en apprentissage puis en inférence)
3. Optimisation de l'ensemble de la chaine
   • retour sur le Grid-search
   • Optuna

Session 4: Visualisation de données

1. Rappels sur l'ACP
2. Projections linéaires
3. Projections non linéaires
4. Interface interactive

Evaluation de l'UE : le machine learning en pratique

Le module de programmation sera évalué sous la forme de projet:

• A réaliser en monome ou en binome

• Rendre le 31 mars 2025

• Basé sur au moins 2 jeux de données permettant de mettre en avant:

  • Différentes tâches supervisées: classification, régression (Idéalement 1 problème de chaque, mais ce n'est pas obligé. Si vos données sont très différentes, vous pouvez traiter deux problèmes de classification ou de régression)
  • Optimisation des performances (sélection de modèles, de caractéristiques, optimisation des pré-traitement)
    • Présentation des performances de référence par rapport aux performances optimisées
    • Courbe de performances par rapport aux réglages: montrer que vous savez choisir les bonnes approches et les régler
  • Illustrer + analyser vos résultats comme pour les expliquer à un expert métier Phrases explicatives, choix des métriques, illustration d'ensemble etc...
  • Les sources de données sont:
    • Kaggle
    • UCI
    • UCR (pour les séries temporelles simples)
    • Data gouv
    • toute autre sources ou API est également valable
    • 🟥 Valider l'intérêt des données et de la tâche avec moi avant de vous lancer 🟥

• Présentation et consigens détaillées pour les notebooks à rendre

  • 1 notebook par jeu de données
  • Si vous avez des fonctions partagées entre notebooks, merci d'utiliser des modules
  • Il est tout à fait possible (et souhaitable) de bien présenter les résultats dans le notebook (diagramme bar, tableaux, etc...)
  • Ces résultats doivent être accompagnés d'analyses (succinctes mais pertinentes). Ces analyses seront présentées dans des boites distinctives pour que je ne puisse pas manquer vos commentaires:

  <span style="color:magenta"> Nous nous attendions à ce que le modèle 1 soit meilleur que le 2 car... </span>
  

  • Voua ajouterez une boite à la fin du notebook présentant une courte prise de recul par rapport aux expériencesen abordant par exemple:
    • les principales difficultés rencontrées
    • l'apport du machine learning (aurait-on pu faire les mêmes analyses à la main?)
    • des idées d'applications connexes à valeur économique, sociale ou solidaire qui seraient envisageables avec les mêmes techniques
    • ...