Semaine 02 — Introduction à l'apprentissage automatique
Module 2 : cadrage des problèmes de ML, pipeline train/val/test, fuites de données, métriques d'évaluation, courbes d'apprentissage.
Ce qu'est réellement le ML, ce qu'il n'est pas, et le workflow sous-jacent à tout projet.
Livrable de la semaine
Notebook + note de 600 mots : un pipeline train/validation/test propre sur un jeu de données hospitalières réel, avec analyse de calibration et audit explicite des fuites.
| Échéance | Vendredi 18h00 (Africa/Lagos (UTC+1)) |
|---|---|
| Soumission | Déposer l'URL du dépôt dans le canal hebdomadaire de la cohorte. Le binôme de revue par les pairs est annoncé le lundi de la semaine suivante. |
| Grille | Validé / à reprendre. La validation exige une CI au vert, des tests couvrant l'API publique, et un README qu'un inconnu peut suivre pour installer et exécuter le code. |
Sessions en direct et ateliers
Cadence hebdomadaire par défaut ci-dessous. Les dates spécifiques à la cohorte et les liens Zoom sont ajoutés à l'inscription.
| Jour | Horaire | Bloc | Enregistrement |
|---|---|---|---|
| Mon | 09:00-12:00 | Cours en direct + code-along | (après la session) |
| Mon | 14:00-16:00 | Travail de lab en autonomie + permanences assistants | (après la session) |
| Tue | 09:00-12:00 | Cours en direct + code-along | (après la session) |
| Tue | 14:00-16:00 | Travail de lab en autonomie + permanences assistants | (après la session) |
| Wed | 09:00-12:00 | Cours en direct + code-along | (après la session) |
| Wed | 14:00-16:00 | Travail de lab en autonomie + permanences assistants | (après la session) |
| Thu | 09:00-12:00 | Cours en direct + code-along | (après la session) |
| Thu | 14:00-16:00 | Travail de lab en autonomie + permanences assistants | (après la session) |
| Fri | 10:00-11:00 | Intervenant de l'industrie | (après la session) |
| Fri | 11:30-12:30 | Revue de lab | (après la session) |
| Fri | 14:00-15:00 | Rétrospective de cohorte | (après la session) |
Objectifs d'apprentissage
À l'issue de la semaine, chaque participant saura :
- Formuler un problème comme apprentissage supervisé, non supervisé ou par renforcement — et reconnaître les cas où aucun de ces cadres n’est pertinent.
- Construire un pipeline train/validation/test propre qui évite les fuites.
- Choisir, ajuster et évaluer un modèle simple sur un jeu de données réel.
- Lire une courbe d’apprentissage et une matrice de confusion sans s’y perdre.
Sujets abordés
La boucle de l’apprentissage supervisé · fonctions de perte et risque · minimisation du risque empirique · biais-variance · validation croisée, partitions train/val/test, fuites · métriques d’évaluation pour la classification et la régression · la perspective no free lunch sur le choix de modèle.
Ateliers
Atelier 1 — Prédiction de réadmission hospitalière
Construire un pipeline de régression logistique prédisant la réadmission à 30 jours. Évaluer non seulement via l’AUC, mais aussi par la calibration de Brier et un diagramme de fiabilité.
Jeu de données : MIMIC-IV demo (un extrait propre de 1{,}000 patients redistribué avec le bootcamp).
Atelier 2 — Diagnostiquer l'évaluation cassée
Un notebook est fourni avec trois points de fuite délibérés et deux pièges de mauvaise utilisation des métriques. Trouvez-les, corrigez-les, et rédigez une note de 200 mots expliquant chacun d’eux.
Jeu de données : Synthétique, fourni.
Lectures
Obligatoires
- Avant Mardi. Hastie, Tibshirani, Friedman, *The Elements of Statistical Learning*, chapitre 7 (sections 7.1-7.4)
- Avant Mercredi. Andrew Ng, *Machine Learning Yearning*, chapitres sur les splits dev/test et le biais-variance
Pour aller plus loin
- Sebastian Raschka, *Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning* (arXiv:1811.12808) — Revue complète des variantes de CV et des tests de significativité.