Course: Fondement des sciences des données

Section outline

Select section General

Collapse Expand
General

Collapse all Expand all
- Select activity Annonces
  
  Annonces Forum
Select section Fiche contact

Collapse Expand
Fiche contact
Nom et prénom de l'enseignant : Khellat Kihel Souad

Grade et spécialité : MCA, Informatique

Adresses mail de contact: khellatsouad@yahoo.fr / souad.khellat@univ-usto.dz

Intitulé du cours: Fondement des sciences des données

Volume horaire par semaine du cours: 1h30 cours, 1h30 TP
Select section Preface

Collapse Expand
Preface
- Select activity Preface
  
  Preface Page
Select section Chapitre I: Introduction aux sciences de données

Collapse Expand
Chapitre I: Introduction aux sciences de données
- Select activity Chapitre 1
  
  Chapitre 1 File PDF
- Select activity Presentation Chap1
  
  Presentation Chap1 File PPTX
Select section Chapitre II : Le processus de science des données

Collapse Expand
Chapitre II : Le processus de science des données
- Select activity Chapitre 2
  
  Chapitre 2 File PDF
- Select activity Presentation Chap 2
  
  Presentation Chap 2 File PPTX
Select section Chapitre III : Les Outils et technologies utilisés en Data Science

Collapse Expand
Chapitre III : Les Outils et technologies utilisés en Data Science
- Select activity Chapitre 3
  
  Chapitre 3 File PDF
- Select activity Data science tools
  
  Data science tools Folder
- Select activity Presentations
  
  Presentations URL
Select section Chapitre IV : Outil mathématiques utilisé en Data Science : Algèbre Linéaire

Collapse Expand
Chapitre IV : Outil mathématiques utilisé en Data Science : Algèbre Linéaire
- Select activity Généralités
  
  Généralités File PDF
- Select activity Resolution des systèmes d'equations linéaires
  
  Resolution des systèmes d'equations linéaires File PDF
- Select activity LU Decomposition exemple détaillé
  
  LU Decomposition exemple détaillé URL
- Select activity Regression ( généralités)
  
  Regression ( généralités) File PDF
- Select activity Moindre carre
  
  Moindre carre File PDF
- Select activity Presentation Regression
  
  Presentation Regression File PPTX
- Select activity ACP
  
  ACP File PDF
- Select activity Presentation ACP
  
  Presentation ACP File PPTX
- Select activity Valeurs propres et ACP
  
  Valeurs propres et ACP File PPTX
- Select activity Extra documentation en ACP
  
  Extra documentation en ACP File PDF
Select section Extra documentation

Collapse Expand
Extra documentation
- Select activity Data science
  
  Data science File PDF
- Select activity Systeme d'equations linéaires
  
  Systeme d'equations linéaires File PDF
Select section TP Preparation des données

Collapse Expand
TP Preparation des données
- Select activity Preparation des données Iris
  
  Preparation des données Iris File PDF
Select section TP Chargement des données

Collapse Expand
TP Chargement des données
- Select activity Chargement de different dataset
  
  Chargement de different dataset File PDF
Select section TP Nettoyage des données

Collapse Expand
TP Nettoyage des données
Utilisation de différents outils de nettoyage de la base de données Titanic
- Select activity titanic data cleaning 1
  
  titanic data cleaning 1 URL
- Select activity Titanic data cleaning 2
  
  Titanic data cleaning 2 URL
Select section TP Matrices

Collapse Expand
TP Matrices
- Select activity Guide sur les matrices
  
  Guide sur les matrices File PDF
Select section Recherche et analyse de données

Collapse Expand
Recherche et analyse de données
- Select activity analyse exploratoire
  
  analyse exploratoire File PDF
- Select activity Base de donnees
  
  Base de donnees File CSV
Select section TP Mini projet1

Collapse Expand
TP Mini projet1
L'objectif du premier mini projet est de réaliser tout un système du data science (chargement, preparation, nettoyage, codage, manipulation de la base de données en sélectionnant les variables plus corrélé avec la sortie, utilisation de la regression ou classification prédéfinie (scikit-learn), visualisation des données et résultats) pour la prediction des incendies et la prediction du diabète.

La data set utilisée est disponible sur :

Datasets - UCI Machine Learning Repository

Base de données pour le diabète Early Stage Diabetes Risk Prediction - UCI Machine Learning Repository

Base de données Fire forest Forest Fires - UCI Machine Learning Repository
- Select activity Forest fires data
  
  Forest fires data URL
- Select activity Data diabetes
  
  Data diabetes File CSV
Select section TP Regression

Collapse Expand
TP Regression
- Select activity Regression simple
  
  Regression simple File PDF
- Select activity Regression logistique
  
  Regression logistique File PDF
Select section TP Mini projet 2

Collapse Expand
TP Mini projet 2
L'objectif de ce travail est d'avoir une base en algèbre linéaire. Programmer la regression from scratch. Appliquer la méthode de moindre carrée pour estimer la courbe de regression.
Select section TP Resolution Gauss Jordan

Collapse Expand
TP Resolution Gauss Jordan
- Select activity Methode Gauss Jordan
  
  Methode Gauss Jordan File PDF
Select section Test

Collapse Expand
Test

Not available
Select section References

Collapse Expand
References
- Select activity References et webographie
  
  References et webographie Page
Select section FONDSD Forum

Collapse Expand
FONDSD Forum
- Select activity FONDSD
  
  FONDSD Forum