1. Présentation du sujet d’application fil rouge

Pour valider l’ensemble des compétences développées au cours des 35 heures de formation, vous réalisez un projet pratique d’envergure professionnelle de bout en bout. Vous êtes placé dans la posture d’un consultant en Data Science mandaté par une entreprise romande pour résoudre une problématique prédictive complexe mêlant des données tabulaires hétérogènes.

2. Cahier des charges et livrables attendus

Le projet se structure autour de quatre étapes jalons rigoureuses :

1. Diagnostic initial et exploration visuelle (EDA) : Importation du jeu de données, analyse statistique descriptive, mise en évidence des corrélations et identification des anomalies et valeurs manquantes.
2. Pipeline d’ingénierie des caractéristiques : Implémentation d’un ColumnTransformer automatisé réalisant le nettoyage, l’encodage et la standardisation des variables sans aucune fuite de données.
3. Mise en concurrence d’algorithmes et optimisation : Entraînement comparatif d’au moins deux familles distinctes d’algorithmes (ex. Régression Logistique pénalisée vs Forêt Aléatoire), recherche des meilleurs hyperparamètres par GridSearchCV et validation croisée stratifiée.
4. Diagnostic d’erreurs et restitution décisionnelle : Analyse approfondie de la matrice de confusion, arbitrage entre précision et rappel, interprétation de l’importance des variables et rédaction d’une note de synthèse managériale vulgarisée.

3. Critères d’évaluation officiels du Groupe Éducasuisse

Votre travail sera examiné par l’équipe pédagogique d’ecole-informatique.ch selon une grille d’évaluation articulée en quatre axes :

• Rigueur méthodologique (30%) : Respect strict de l’étanchéité des données (train/test), justification du choix des métriques d’évaluation et de la fonction de coût.
• Qualité technique du code Python (25%) : Lisibilité, modularité, utilisation conforme des pipelines Scikit-Learn et respect des conventions PEP 8.
• Esprit critique et analyse des erreurs (25%) : Capacité à diagnostiquer les faiblesses du modèle, à expliciter pourquoi certaines observations ont été mal prédites et à proposer des voies d’amélioration réalistes.
• Clarté de la communication et restitution (20%) : Qualité de la note de synthèse vulgarisée destinée aux décideurs métiers non techniciens.

Validation officielle : La soutenance de ce projet pratique fil rouge conditionne la délivrance de l’attestation de réussite officielle délivrée par ecole-informatique.ch (Groupe Éducasuisse Genève et Lausanne).