Référence : Géron, chapitre 2 ; Tan, chapitre 2.

Contenus :

•       Exploration préalable et diagnostic de la qualité des données

•       Valeurs manquantes : mécanismes, imputation et documentation des choix

•       Valeurs aberrantes et incohérences : détection et traitement

•       Encodage des variables qualitatives : indicatrices, encodage ordinal, variables à forte cardinalité

•       Mise à l'échelle : normalisation, standardisation, et algorithmes qui l'exigent

•       Ingénierie des caractéristiques à partir de la connaissance du domaine

•       Traitement des variables temporelles et textuelles élémentaires

•       Déséquilibre des classes : rééchantillonnage et pondération

•       Chaînes de traitement et prévention des fuites de données

Objectifs pédagogiques :

•       Diagnostiquer et traiter les défauts d'un jeu de données réel

•       Choisir un encodage et une mise à l'échelle adaptés à l'algorithme visé

•       Concevoir des caractéristiques nouvelles pertinentes

•       Construire une chaîne de traitement reproductible sans fuite de données