Data Science et Machine Learning pas à pas

Autres informations

Formation proposée par

Note moyenne attribuée par les participants (campagne 2020) : 8,09/10*
* 11 avis - 14 participants

Plan d'accès, accès aux personnes en situation de handicap, CGV, réglement intérieur, protection des données personnelles, délai d'accès, contact : http://www.asforef.com/qui-sommes-nous/

 

Pédagogie

  • Exposé /
  • Cas pratiques
  • Echange d'expériences

Pré-requis

Prérequis : Aucun (rappels théoriques pendant la formation)

Objectifs professionnels

  • Permettre à un parfait débutant de mettre des mots concrets sur l’Intelligence Artificielle,
  • Identifier les acteurs du marché (data analysts/scientists)
  • Identifier les outils à disposition pour faire « parler » les données,
  • Etre capable d'utilier ces outils pour anticiper des tendances futures.

Contenu détaillé

Introduction - Posons les bases : définitions, rappels de fondamentaux

Objectifs : Comprendre le contexte et les enjeux de la data et son lien avec l’Intelligence Artificielle ; comprendre les concepts statistiques utiles dans le travail des données ; utiliser un langage de programmation.

A - Remise en perspective historique : la data dans le nouvel échiquier politico-économique.

B - Motivations de la formation : clarification des opportunités et défis de la data pour les professions financières, d'audit et d'expertise comptable.

Cas 0 : configuration de l’outil de programmation utilisé pendant la formation

C - Un bref rappel de notions statistiques

  • La synthèse des données : moyenne, variance, quantiles,...
  • Les distributions de probabilité et leur utilité
  • Notions d'inférence statistique et de modélisation

Partie 1 – L'approche historique : analyse des données, intelligence des affaires

Objectifs : S’approprier le « jargon » de la data analyse, connaître les sources de données exploitables, comprendre le fonctionnement des algorithmes de data mining, appliquer les notions dans un cas d’usage comptable.

A - L'analyse des données : son rôle, ses outils.

  • Le workflow de la data analyse : collecter, intégrer, mesurer, visualiser
  • Quelques notions de "dataviz" et les bonnes pratiques
    • Retour sur les visualisations statistiques et les outils de l'écosystème
    • Le paradoxe de Simpson et autres erreurs classiques

Cas 1 : illustration de la data analyse avec l’outil Power BI

B - Intégrer, enrichir et faire parler la donnée : quelques leviers actionnables

  • Structures de données et introduction au langage SQL
  • Les sources d'enrichissement de la donnée et comment les exploiter : open data, requêtes API, scraping

Cas 2 : utiliser l'API d'OpenStreetMap pour extraire les données caractérisant l'environnement d'un commerce (concurrents, marché potentiel...)

  • Exemple d'application de l'analyse des données

Cas 3 : détecter une fraude comptable et financière à partir de réconciliations de données et d'outils statistiques (comptabilité judiciaire)

Partie 2 – Prédire avec les data : comprendre,  utiliser et contrôler les modèles prédictifs

Objectifs : Comprendre la formalisation d'un problème de data science, connaître le fonctionnement d'un algorithme de machine learning, s'approprier les axes d'audit pour challenger un modèle statistique.

A - Petit crash-course de modélisation

  • Définitions préliminaires : modèle, apprentissage, biais/variances, machine learning...
  • La régression et la classification et leurs applications
    • Définitions
    • Contrôler la performance des modèles
    • Cas d'usage : scoring, anticipation d'attrition

Cas 4 : chiffrer l'effet de la présence géographique d'un commerce sur ses performances commerciales grâce à une régression

  • Une ouverture (philosophique) sur les réseaux de neuronnes

B - Auditer un modèle prédictif

  • Panorama de l'organisation industrielle autour des données et des modèles quantitatifs
  • Points de contrôle et pistes d'audit d'un modèle
    • Pour un grand compte
    • Pour une startup ou PME

C - Exemple d'application de la modélisation

Cas 5 : le cas Enron - comment détecter les opérations frauduleuses grâce au machnie learning ? Etude guidée, explications théoriques

Questions/répones

Informations complémentaires

Qualification des formateurs
Les formateurs sont des professionnels sélectionnés pour leur maîtrise du sujet enseigné et leur expérience pratique afin de proposer une approche pragmatique et concrète des sujets traités.

Moyens pédagogiques et d’encadrement
Salles de formation disposant des matériels pédagogiques et techniques nécessaires (paperboard, vidéoprojecteur, visioconférence, …) au bon déroulement de la formation.

Moyens d'évaluation de l'atteinte des objectifs
Questionnaire de validation des acquis.

Moyens de suivi de l'exécution de l'action
Feuille de présence signée par les participants ou rapport de connexion si classe virtuelle.

Réf. : 21LAB503

Durée : 1.0 j. (7h00)

Profils participants

  • Collaborateur
  • Expert-comptable
  • Expert-comptable stagiaire
  • Commissaire aux comptes

Formation en Inter

16 déc. 2021 à PARIS (#41876)

Inscription limite : 13/12/2021
Animateur : Cyril DEGRILART
Tarif : 420,00€ HT (504,00€ TTC) Connectez-vous pour vous inscrire