L’objectif de ce cours est de présenter toutes les étapes des sciences des données qui permettent d’acquérir et traiter des données, d’extraire de l’information et d’entraîner et évaluer des modèles d’apprentissage statistiques. Nous aborderons les différents concepts autour du traitement des données (scrapping, qualité des données, analyse exploratoire des données, visualisation), du Machine Learning (apprentissage supervisé, non-supervisé), et de la restitution (dashboard, storytelling). Ce cours accorde une très grande importance aux aspects techniques et expérimentaux (interprétation, comparaison et sélection de modèles, exploitation des résultats, analyse de biais), moins aux aspects théoriques. Ce cours permet d’acquérir les outils fondamentaux et les bonnes pratiques en science des données et en apprentissage machine.