Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Développer
un modèle de
Machine
Learning
Hebert Brian Whannou
05/01/2021
Sommaire
Mon Parcours Prêts bancaires Data science Machine Learning
Valeur ajoutée du
Data scientist
Développement de
modè...
Brian
° Je suis statisticien spécialisé
en risques financiers
° Je développe des modèles de
machine learning pour des
inst...
“千里之行、始
于足下”.
“Un voyage de
milliers de
kilomètres
commence par un
seul pas”
- 老子
Prêts bancaires
Les prêts sont caractérisés par un
montant financé, une maturité, un
échéancier de remboursement
La banque...
Data Science
La data science est la science de traitement
des données pour en retirer une
information, une structure ou un...
Les composantes
de la Data Science
Programmation –
gestion de base de
données
Statistique -
Mathématiques
Machine Learning...
L'apprentissage automatique (Machine Learning)
estunedisciplinedelaDataSciencequipermet
aux systèmes conçus pour réaliser ...
La valeur ajoutée du data scientist
° Analyse descriptive
• Quel est l’état des lieux actuels?
• Le statisticien apporte u...
Processus de
développement de modèle
Collecte des
données
Calibration du
modèle (ou des
modèles)
EvaluationInterprétation
...
Points à retenir
UN:
Garbage in, Garbage out
DEUX:
La maîtrise d’un langage de
programmation est
primordiale
TROIS:
il fau...
Incitation à
l’action
Restez curieux et continuez à
lire…
•
Boot Camp organisé par Bénin
Excellence pour l’été 2021
Thank You
LinkedIn
linkedin.com/in/bwhannou/
Email
ml.benin.excellence@outlook.fr
Facebook
facebook.com/BeninExcellence
You’ve finished this document.
Download and read it offline.
Upcoming SlideShare
What to Upload to SlideShare
Next
Upcoming SlideShare
What to Upload to SlideShare
Next
Download to read offline and view in fullscreen.

Share

développer un modèle de Machine learning

Download to read offline

présentation faite dans la bibliothèque de Bénin Excellence le 05/01/2020. thème abordé : la définition de la Data science, du machine learning et de la valeur ajoutée du data scientist

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

développer un modèle de Machine learning

  1. 1. Développer un modèle de Machine Learning Hebert Brian Whannou 05/01/2021
  2. 2. Sommaire Mon Parcours Prêts bancaires Data science Machine Learning Valeur ajoutée du Data scientist Développement de modèle Points à retenir Incitation à l’action A vos agendas!
  3. 3. Brian ° Je suis statisticien spécialisé en risques financiers ° Je développe des modèles de machine learning pour des institutions financières ° J’élabore des recommendations sur des modèles déjà développés Enseignement secondaire • Bac C au collège catholique Notre Dame de Lourdes • Bourse scolaire de la Fondation Vallet Enseignement supérieur • Classes préparatoires en Mathématiques, Physique • ENSAE: école d’ingénieurs spécialisée en statistiques, économie, programmation • Université Paris VII: ingénierie financière, diffusion probabiliste • Institut des Actuaires Monparcours
  4. 4. “千里之行、始 于足下”. “Un voyage de milliers de kilomètres commence par un seul pas” - 老子
  5. 5. Prêts bancaires Les prêts sont caractérisés par un montant financé, une maturité, un échéancier de remboursement La banque est ici l’intermédiaire entre les emprunteurs et les prêteurs Quels sont les emprunteurs risqués? Quelles variables il faut contrôler chez l’emprunteur avant de lui prêter? Quelles sont les catégories de prêts/d’emprunteurs/de prêteurs?
  6. 6. Data Science La data science est la science de traitement des données pour en retirer une information, une structure ou un plan d’action Il existe deux types de données: soit elles sont structurelles soit elles sont non-structurelles L’objectif est d’extraire les relations entre les différentes variables (cf. prêts bancaires) Quelle sont les compétences/connaissances nécessaires ?
  7. 7. Les composantes de la Data Science Programmation – gestion de base de données Statistique - Mathématiques Machine Learning Connaissance du domaine Communication – data visualisation
  8. 8. L'apprentissage automatique (Machine Learning) estunedisciplinedelaDataSciencequipermet aux systèmes conçus pour réaliser une tâche, d'apprendreetdes'améliorerautomatiquement à partir de l'expérience sans être explicitement programmés Machine Learning Apprentissage Supervisé Régression Classification Apprentissage Non-Supervisé Clustering Réduction de dimension Apprentissage renforcé
  9. 9. La valeur ajoutée du data scientist ° Analyse descriptive • Quel est l’état des lieux actuels? • Le statisticien apporte une compréhension quantitative de la base de données avec des techniques simples (moyenne, quantile, distribution empirique) ° Automatisation des reporting • Comment réduire les erreurs dans les rapports reproductibles? ° Analyse predictive • Quel sera la situation dans un horizon de temps donnés? ° Analyse prescriptive • Quel est le meilleur plan d’action à mener?
  10. 10. Processus de développement de modèle Collecte des données Calibration du modèle (ou des modèles) EvaluationInterprétation Déploiement 1. Collecte des données: • Identification des sources • Collecte des variables d’intérêt en cohérence avec la problématique • Exploration et nettoyage de la base 2. Calibration du modèle (ou des modèles) • Construction de la base d’apprentissage • Création de nouvelles variables • Sélection des variables • Calcul des paramètres • Sélection du modèle • Définition des indicateurs de performance 3. Evaluation • Construction de la base de test • Estimation de l’erreur de généralisation 4. Interprétation • Compréhension du modèle et des interactions des variables 5. Déploiement • Pour une nouvelle observation, quelle est la prédiction du modèle? • Création d’outils pour permettre utilisation du modèle • Monitoring des performances du modèles en continu
  11. 11. Points à retenir UN: Garbage in, Garbage out DEUX: La maîtrise d’un langage de programmation est primordiale TROIS: il faut maîtriser les hypothèses sous-jacentes des modèles QUATRE: Contrôler le sur- apprentissage CINQ: Garder un œil sur l’interprétation du modèle et la cohérence avec le domaine d’activité
  12. 12. Incitation à l’action Restez curieux et continuez à lire… • Boot Camp organisé par Bénin Excellence pour l’été 2021
  13. 13. Thank You LinkedIn linkedin.com/in/bwhannou/ Email ml.benin.excellence@outlook.fr Facebook facebook.com/BeninExcellence
  • TuribioMahuviviKeke

    Jul. 21, 2021
  • KhatTokannou

    May. 31, 2021
  • sauoun

    Jan. 13, 2021
  • HGVinelGBEWEZOUN

    Jan. 8, 2021

présentation faite dans la bibliothèque de Bénin Excellence le 05/01/2020. thème abordé : la définition de la Data science, du machine learning et de la valeur ajoutée du data scientist

Views

Total views

613

On Slideshare

0

From embeds

0

Number of embeds

1

Actions

Downloads

23

Shares

0

Comments

0

Likes

4

×