Projet Data Science : quelles étapes et compétences mobiliser ?

Qu’est-ce qu’un projet Data Science ?

Un projet Data Science consiste à exploiter des données pour étudier une problématique et produire une analyse, un modèle ou une solution adaptée à l’objectif recherché.

Selon le projet, plusieurs étapes peuvent intervenir :

problème → données → préparation → exploration → modélisation → évaluation → restitution.

Cette séquence constitue une représentation pédagogique générale. Elle n’est pas présentée comme une méthodologie officielle propre au CAFP.

1. Comprendre le problème

Avant de construire un modèle, il faut déterminer ce que l’on cherche réellement à analyser, expliquer ou prédire.

La technologie ne doit pas remplacer la compréhension du besoin.

2. Préparer les données

Le Bachelor consacre un bloc spécifique à la préparation, à l’exploration et à la visualisation des données.

Il comprend notamment :

Cette étape intervient avant le Machine Learning.

• préparation et nettoyage ;
• analyse exploratoire ;
• visualisation et interprétation.

3. Explorer les données

L’analyse exploratoire aide à examiner les informations disponibles avant de passer à la modélisation.

Elle permet notamment de mieux comprendre la structure et les caractéristiques des données utilisées dans le projet.

4. Visualiser et interpréter

Une analyse ne doit pas uniquement produire des calculs.

La visualisation contribue à rendre certaines informations plus compréhensibles et à faciliter leur interprétation.

5. Construire un modèle si le projet le nécessite

Le Bachelor comprend 45 heures de Machine Learning et analyse prédictive.

Le programme aborde :

Tous les projets Data Science n'exigent cependant pas obligatoirement un modèle complexe.

• apprentissage supervisé ;
• apprentissage non supervisé ;
• modèles prédictifs ;
• évaluation et amélioration des modèles.

6. Évaluer les résultats

Construire un modèle n’est pas la fin du processus.

Le programme intègre explicitement son évaluation et son amélioration.

Cette compétence aide à examiner le comportement d’une solution plutôt qu’à considérer automatiquement qu’un modèle entraîné est satisfaisant.

7. Faut-il utiliser le Deep Learning ?

Pas systématiquement.

Le Bachelor consacre également 35 heures au Deep Learning, mais cela ne signifie pas que chaque problème nécessite un réseau de neurones.

Le choix doit dépendre de la problématique étudiée.

8. Présenter le projet

Le dernier bloc du Bachelor prévoit :

La capacité à expliquer le problème, la démarche et la solution constitue donc une dimension importante du projet intégrateur.

• conception d’une solution ;
• réalisation pratique ;
• présentation.

Projet Data Science et portfolio

Un projet bien documenté peut également devenir une pièce intéressante d’un portfolio.

Le candidat peut présenter le problème, les données utilisées, sa démarche, ce qu’il a effectivement réalisé et les résultats obtenus.

L’objectif est de démontrer des compétences réelles plutôt que d’accumuler des noms de technologies.

FAQ — Intelligence Artificielle & Science des Données