Toulouse Data Science : Le Machine Learning pour tous (Bis) !

Suite aux retours très encourageants lors du premier atelier, nous allons proposer une version de rattrapage pour ceux qui n’ont pas pu venir à la première édition du Data NoBlaBla Machine Learning.

Stéphane Le Couls et Lamjed Ben Jabeur, membres du TDS, vous proposent de mettre les mains dans le Machine Learning.

Que vous soyez commercial, développeur, dans le marketing, industriel, scientifique, décideur, manager, curieux, étudiant, statisticien, matheux, concessionaire…. venez construire un processus de machine learning de bout en bout, en utilisant l’outil RapidMiner Studio.

L’atelier s’organisera autour d’un jeu de données de voitures d’occasions issu des sites de petites annonces.

L’objectif sera de prédire le (bon) prix des véhicules et de faire une bonne affaire :).

Nous aborderons les principales étapes d’un processus de machine learning classique (préparation des données, visualisation, processing, évaluation), ainsi que les concepts nécessaires à la compréhension des méthodes utilisées.

Pour cet atelier aucune compétence en développement n’est nécessaire, vous n’avez pas non plus besoin de réviser vos cours de statistiques. Vous aurez seulement besoin de votre ordinateur, de la motivation et un peu de « temps de cerveau” disponible (les cerveaux dans le cloud sont aussi acceptés).

Deux possibilités pour se préparer à l’atelier :

1. Installer rapidminer
   • installer rapidminer studio starter gratuit (version 6.3)  (il est nécessaire de créer un compte rapidminer) Vérifier que vous pouvez le lancer (cela nécessite Java 7 minimum installé)
   • télécharger les jeux de données ici :
     https://www.dropbox.com/s/wy8dbyaqcpraalg/voiture.csv?dl=0
     https://www.dropbox.com/s/0tueecuqu7a6zdu/voiture_centrale.csv?dl=0
2. En utilisant VirtualBox
   avoir installé VirtualBox (une image contenant rapidminer et les jeux de données nécessaires seront proposés lors de l’atelier)
   Nous recommandons d’avoir une machine avec plus “coeurs” et minimum 4 Go de mémoire si vous souhaitez utiliser RapidMiner avec une machine virtuelle.

Attention, c’est le même atelier qui a été proposé 1er avril.