Introduction à la science des données
pour l'IA
Master Data Science
Cours 3
Université des Sciences, des Techniques et
des Technologies de Bamako
Faculté des Sciences et Techniques
Département de Mathématiques et d’Informatique
Dr Boukaye Boubacar TRAORE
boukaye@[Link]
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 1
Objectifs
L’objectif de ce cours est de fournir :
une vue d’ensemble complète de l’analyse de données,
de décrire les différents types d’analyse de données,
les étapes impliquées,
les outils et technologies utilisés,
ainsi que les défis et limites de l’analyse de données,
Et aussi, déterminer le lien entre IA et science des données.
2
DR BOUKAYE BOUBACAR TRAORE FST/USTTB
Programme du module
Chapitre I: Qu'est-ce que la science des données ?
Chapitre II: Collecte et stockage des données
Chapitre III: Analyse exploratoire
Chapitre IV: Modélisation des données et Prédiction
Chapitre V: Visualisation des données
Chapitre VI: Outils et technologies de la science des données
Chapitre VII : Sécurité des données
Chapitre VIII : Data science pour l’intelligence artificielle
3
DR BOUKAYE BOUBACAR TRAORE FST/USTTB
Définition: Analyse exploratoire et prédiction
L’analyse de données est un processus qui consiste à inspecter, nettoyer,
transformer et modéliser des données pour découvrir des informations
cachées et prendre des décisions informées.
L’analyse de données est de plus en plus importante pour les entreprises
de toutes tailles et de tous secteurs. Les entreprises peuvent utiliser
l’analyse de données pour découvrir de nouvelles opportunités de
croissance, optimiser les opérations, améliorer la satisfaction des
clients et prendre des décisions plus éclairées.
Les entreprises peuvent également utiliser l’analyse de données pour
anticiper les tendances du marché, évaluer la concurrence et
développer des stratégies plus efficaces.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 4
Les différents types d’analyse de données
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 5
Les différents types d’analyse de données
Les différents types d’analyse de données comprennent :
L’analyse descriptive: qui décrit les caractéristiques des données telles
qu’elles sont.
L’analyse explicative: qui tente de comprendre les raisons sous-
jacentes à un phénomène observé dans les données.
L’analyse prédictive: qui utilise les données historiques pour faire des
prévisions sur les événements futurs.
L’analyse prescriptive: qui utilise les données et les algorithmes pour
recommander des actions pour atteindre un objectif spécifique.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 6
A. L’analyse descriptive
L’analyse descriptive est un type d’analyse de données qui a pour but de
décrire les caractéristiques des données telles qu’elles sont. Cela inclut la
collecte de statistiques sur les données, telles que la moyenne, la
médiane, l’écart-type, la distribution, etc.
L’analyse descriptive peut également inclure la visualisation des données
sous forme de graphiques et de tableaux pour faciliter la compréhension.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 7
A. L’analyse descriptive
Utilisation de l’analyse descriptive
L’analyse descriptive peut être utilisée dans une variété de secteurs,
notamment la finance, la santé, le marketing, la vente au détail, etc.
Par exemple, dans le secteur de la vente au détail, une entreprise peut
utiliser l’analyse descriptive pour décrire les habitudes d’achat de ses
clients, telles que la fréquence d’achat et les produits les plus achetés.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 8
A. L’analyse descriptive
Limites de l’analyse descriptive
Bien que l’analyse descriptive puisse fournir des informations
précieuses sur les données, elle ne fournit pas d’explication sur les
raisons sous-jacentes à un phénomène observé dans les données.
En outre, l’analyse descriptive ne peut pas être utilisée pour faire des
prévisions sur les événements futurs ou pour recommander des actions
pour atteindre un objectif spécifique.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 9
A. L’analyse descriptive
Exemples d’utilisation possible
Marketing
Santé
Économie
Sciences sociales
Environnement
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 10
B. L’analyse exploratoire ou explicative
L’analyse explicative est un type d’analyse de données qui vise à
comprendre les relations causales entre les différentes variables.
Contrairement à l’analyse descriptive qui se concentre sur la
description des données, l’analyse explicative vise à comprendre
pourquoi les choses se passent d’une certaine manière.
L’analyse explicative peut être réalisée à l’aide de différentes méthodes
statistiques, telles que la régression, la décomposition de variance et la
modélisation causal. Cette analyse nécessite des données de qualité et
une connaissance approfondie de la théorie sous-jacente pour
déterminer les relations causales.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 11
B. L’analyse exploratoire ou explicative
Objectifs de l’analyse exploratoire
L’analyse explicative a pour objectif principal de comprendre les
relations causales entre différentes variables et comment elles
influencent une variable d’intérêt.
Cela peut inclure la prédiction de la valeur future d’une variable en se
basant sur les valeurs passées et/ou actuelles d’autres variables.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 12
B. L’analyse exploratoire ou explicative
Utilisation de l’analyse exploratoire
Dans le domaine de la médecine, l’analyse explicative peut être utilisée
pour comprendre les facteurs qui influencent la santé d’une personne
et pour déterminer les causes potentielles de maladies.
Dans le domaine du marketing, l’analyse explicative peut être utilisée
pour comprendre les facteurs qui influencent les décisions d’achat des
consommateurs.
Elle peut aider les entreprises et les organisations à prendre des
décisions informées en fournissant une compréhension approfondie
des relations causales entre les variables.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 13
B. L’analyse exploratoire ou explicative
Utilisation de l’analyse exploratoire
Détermination de la relation entre le salaire et l’éducation
Analyse des facteurs influençant les décisions d’achat des
consommateurs
Prédiction de la mortalité liée au cancer
Détermination des facteurs influençant les résultats scolaires
Etc…
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 14
C. L’analyse prédictive
L’analyse prédictive est une méthode d’analyse de données qui utilise
des algorithmes pour prévoir des événements futurs ou des
comportements.
L’objectif principal de l’analyse prédictive est de fournir des
informations utiles aux entreprises et aux organisations pour prendre
des décisions informées.
Les modèles sont formés en utilisant des algorithmes de machine
learning tels que la régression linéaire, l’arbre de décision et le réseau
neuronal.
Les objectifs de l’analyse prédictive peuvent inclure la prédiction des
ventes futures, la détection des fraudes, la prédiction des
comportements des consommateurs, la prévision des pannes de
matériel, entre autres.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 15
C. L’analyse prédictive
Exemples concrets d’utilisation de l’analyse prédictive
Les entreprises de vente au détail peuvent utiliser l’analyse prédictive
pour prévoir les ventes futures, ce qui les aide à optimiser leur inventaire
et leur planification des achats.
Les compagnies d’assurance peuvent utiliser l’analyse prédictive pour
évaluer les risques potentiels pour les clients et les tarifer en conséquence.
Les banques peuvent également utiliser l’analyse prédictive pour évaluer
les risques de crédit et déterminer les clients les plus à risque de défaut de
paiement.
Les entreprises de commerce électronique peuvent utiliser l’analyse
prédictive pour recommander des produits à leurs clients en fonction de
leurs achats antérieurs et de leur comportement de navigation sur le site.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 16
C. L’analyse prédictive
Limites de l’analyse prédictive
Bien que l’analyse prédictive puisse être très utile, elle comporte
également des limites.
Les modèles prédictifs sont basés sur les données historiques, il est
donc possible que les prévisions ne soient pas précises si les
conditions futures diffèrent de celles du passé.
De plus, l’analyse prédictive peut être influencée par des biais dans les
données ou les algorithmes utilisés.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 17
D. L’analyse prescriptive
L’analyse prescriptive est une forme avancée d’analyse de données qui
vise à fournir des recommandations quant à la façon d’optimiser les
résultats dans une situation donnée.
Cette analyse utilise des algorithmes complexes pour évaluer les
différentes options et recommander la stratégie la plus efficace.
Ces objectifs comprennent l’optimisation des résultats, la prise de
décision automatisée et la prédiction des résultats futurs pour
différentes actions. Les limites de l’analyse prescriptive incluent la
nécessité de disposer de données de haute qualité, la complexité des
algorithmes et la difficulté à tenir compte de tous les facteurs
pertinents.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 18
D. L’analyse prescriptive
Utilisation de l’analyse prescriptive
Les entreprises peuvent utiliser l’analyse prescriptive pour optimiser leurs
opérations, telles que la planification de la production, la gestion des
chaînes d’approvisionnement et la gestion des ressources humaines.
Exemples concrets
Les banques peuvent utiliser l’analyse prescriptive pour optimiser les
décisions de crédit, telles que l’approbation des prêts et la gestion des
risques.
Les entreprises de commerce électronique peuvent utiliser l’analyse
prescriptive pour optimiser les campagnes de marketing en ligne en
fonction des données sur les clients et le comportement d’achat.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 19
Résumé
Analyse descriptive (résumer les caractéristiques des données)
Analyse exploratoire (identifier les relations entre les variables)
Analyse prédictive (prédire les résultats futurs)
Analyse prescriptive (recommander des actions à prendre)
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 20
Modéliser les données
La modélisation et la prédiction sont deux aspects importants de
la data science.
La modélisation consiste à créer un modèle mathématique qui
représente les relations entre les différentes variables des
données.
Les modèles sont souvent utilisés pour prédire les valeurs
futures en fonction des données passées.
DR BOUKAYE BOUBACAR TRAORE FST/USTTB 21