Lecturer: K. Tribouley
Period: Term 2
ECTS: 3
Schedule: 2h lecture + 1h of tutorial per week
Présentation :
Les étudiants travaillent en équipe sur des cas d'usage réels en mode POC : à partir d'un objectif métier et en s'appuyant sur un jeu de données dédié, ils
cadrent leur projet
définissent la démarche
assurent la production de leur solution
se comparent éventuellement avec un benchmark
produisent la restitution écrite de leur mission
formalisent les REX
Les Cas d'Usage proposés proviennent de sources variées (Energie/Grande distribution/Luxe/Assurance/Banque). Leurs thématiques tournent autour de la relation client et/ou de l'analyse du comportement client.
-----------------------------------------------------------------------------------------------------------------
Démarche :
L'enseignant fait office de chef de projet
pour proposer les Cas d'Usage
pour valider la démarche et les choix méthodologiques des étudiants
pour fournir un appui théorique sur les algorithmes de Data Sciences utilisés
pour se porter garant des résultats et de la qualité des restitutions
-----------------------------------------------------------------------------------------------------------------
Organisation :
Séances collectives de rappels méthodologiques : apprentissage non supervisé, apprentissage super-visé, apprentissage profond (régression, svm les machines à vecteur de support, gbm, réseaux de neurones, plus proches voisins, arbres, forets ...)
Suivi hebdomadaire des équipes projets
Travail des équipes projets en utilisant des outils open source (R, Python, KNIME, Tableau, Scrapinghub, )
-----------------------------------------------------------------------------------------------------------------
Exemples d'UC :
Détection de fraude
Moteur de recommandation
Web scraping : Enrichissement de la connaissance client ou Etude de notoriété