Statistiques & Data Analysis

Ce cours forme à l’analyse de données de bout en bout avec l’écosystème Python : explorer et nettoyer un jeu de données réel (EDA), le décrire statistiquement, le visualiser, en réduire la dimension (ACP, t-SNE, UMAP) puis construire des pipelines reproductibles avec scikit-learn. Les jeux de données utilisés sont inspirés du contexte nigérien : mesures de qualité du réseau mobile par ville, logs de serveurs, trafic d’une application de Mobile Money, performance d’une application mobile d’e-commerce. Ils sont simulés (générés par programme avec une graine fixe) afin que chaque résultat soit reproductible ; la même démarche s’applique à des données réelles. Tous les programmes du cours ont été exécutés (Python 3, pandas, numpy, scipy, scikit-learn, matplotlib, seaborn, plotly, streamlit, umap-learn).

Objectifs d’apprentissage

• Appliquer les techniques d’analyse exploratoire de données (EDA) à des datasets réels.
• Maîtriser les méthodes de réduction de dimensionnalité : ACP, t-SNE, UMAP.
• Implémenter des pipelines d’analyse de données avec Python (pandas, scikit-learn).
• Visualiser et communiquer des résultats d’analyse avec matplotlib, seaborn et Plotly.

Prérequis

Statistiques Inférentielles & Probabilités (SIP2122, GELO S2) : moyenne, variance, lois usuelles, tests d’hypothèses, p-valeur. Bases de Python (listes, fonctions) ; une première pratique de pandas est un plus.

Plan du cours

1. Leçon 1 — Analyse Exploratoire des Données (EDA)
2. Leçon 2 — Visualisation de Données
3. Leçon 3 — Réduction de Dimensionnalité
4. Leçon 4 — Pipelines d’Analyse avec Scikit-learn

Travaux pratiques

• TP : EDA sur un dataset de métriques réseau au Niger (Leçon 1).
• TP : pipeline complet d’analyse de données de performance d’une application mobile (Leçon 4).
• Réalisation d’un tableau de bord interactif Streamlit déployé en local (Leçon 2).

Modalités d’évaluation

Volume horaire : CM 20 h, TD 6 h, TP 0 h, TPE 14 h (CTT 40 h) — 2 crédits. Les TP du plan sont réalisés en TD et en travail personnel encadré. Évaluation CC + ET : contrôle continu 30 % (notebooks d’EDA et de pipeline), examen terminal 70 % ; nature mixte.

Bibliographie

• W. McKinney, Python pour l’analyse de données, O’Reilly.
• A. Géron, Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow, O’Reilly.
• J. VanderPlas, Python Data Science Handbook, O’Reilly (disponible en ligne).
• Documentations officielles de pandas, scikit-learn, seaborn, Plotly et Streamlit.