Houssein Abbouchi

BLOC 1 – Prétraiter et analyser des données structurées pour répondre à un problème métier. - Déterminer les objectifs d'une analyse de données à partir d’un problème métier. - Effectuer des opérations de nettoyage sur des données structurées. - Effectuer une analyse statistique univariée à partir de données structurées et nettoyées. - Effectuer une analyse statistique multivariée à partir de données structurées et nettoyées. - Représenter des données grâce à des graphiques clairs et pertinents. - Formuler des préconisations pour un traitement automatisé des données. BLOC 2 – Entraîner un modèle d’apprentissage automatique supervisé pour réaliser une analyse prédictive. - Sélectionner et/ ou transformer les variables pertinentes pour la modélisation (feature engineering). - Sélectionner et mettre en place un modèle d’apprentissage supervisé adapté à une problématique métier. - Évaluer les performances d’un modèle d’apprentissage supervisé. - Adapter les paramètres d’un modèle d’apprentissage supervisé afin de l’améliorer. BLOC 3 – Entraîner un modèle d’apprentissage non supervisé adapté à une problématique de segmentation ou de réduction de données. - Sélectionner, transformer et créer les variables pertinentes pour la modélisation (feature engineering). - Sélectionner et mettre en place un modèle d’apprentissage non supervisé adapté une problématique métier. - Évaluer les performances d’un modèle d’apprentissage non supervisé. - Adapter les paramètres d’un modèle d’apprentissage non supervisé afin de l’améliorer. BLOC 4 – Prétraiter et analyser des données non structurées (texte, images) pour obtenir un jeu de données exploitable. - Collecter des données répondant à des critères définis via une interface de programmation (API). - Prétraiter des données textuelles non structurées pour obtenir un jeu de données exploitable. - Prétraiter des données sous forme d'images non structurées pour obtenir un jeu de données exploitable. - Réduire la dimension de données de grande dimension afin d'optimiser les temps de calcul. - Représenter graphiquement des données à grandes dimensions afin d'en réaliser l'analyse exploratoire. BLOC 5 – Présenter et déployer un modèle d’apprentissage automatique auprès de ses utilisateurs finaux. - Déployer un modèle via une interface de programmation (API) dans le web. - Réaliser un tableau de bord (dashboard) pour présenter son travail de modélisation. - Réaliser la présentation orale d’une démarche de modélisation à un client interne/ externe. - Rédiger une note méthodologique afin de communiquer sa démarche de modélisation. - Assurer l’intégration du modèle auprès de collaborateurs en utilisant un logiciel de version de code. BLOC 6 – Déployer un modèle d’apprentissage automatique à l’échelle en utilisant les technologies du Big data. - Sélectionner les outils du Cloud permettant de disposer d'un environnement Big Data. - Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud. - Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.