Data Science definitions

Méthode scientifique

Processus systématique comprenant la formulation d’hypothèses ou de théories

Projet en science des données

Démarche structurée incluant la collecte des données

Données numériques

Données quantitatives exprimées sous forme de nombres utilisables pour les analyses mathématiques.

Variables primitives

Types de données simples (entier

Données structurées

Données organisées selon un schéma fixe comme des tables relationnelles.

Données semi-structurées

Données partiellement organisées à l’aide de balises ou clés comme JSON ou XML.

Données non structurées

Données sans structure formelle prédéfinie comme les textes libres ou images.

Loi normale

Distribution en cloche caractérisée par une moyenne et un écart-type arbitraires représentant souvent la distribution réelle de données naturelles.

Loi normale standard

Loi normale centrée en 0 avec un écart-type de 1 obtenue par standardisation des données.

Score Z

Nombre d’écarts-types séparant une valeur de la moyenne pouvant être positif ou négatif.

Variance

Mesure de la dispersion des données autour de la moyenne où une valeur élevée indique une distribution plus étalée.

Fonction de répartition

Probabilité qu’une variable aléatoire soit inférieure ou égale à une valeur donnée sous une distribution.

Indépendance

Situation où la probabilité d’un événement n’a aucun effet sur la probabilité d’un autre.

Probabilité conditionnelle

Probabilité d’un événement sachant qu’un autre événement s’est produit.

Addition des probabilités

Calcul donnant la probabilité que l’un ou l’autre de deux événements se produise.

Multiplication des probabilités

Calcul de la probabilité que plusieurs événements se produisent simultanément.

Théorème de Bayes

Méthode permettant de mettre à jour la probabilité d’une hypothèse à partir de nouvelles informations.

Addition de vecteurs

Somme des composantes correspondantes de deux vecteurs de même dimension.

Produit scalaire par une constante

Multiplication de chaque composante d’un vecteur par une valeur scalaire.

Norme d’un vecteur

Longueur d’un vecteur calculée à l’aide du théorème de Pythagore.

Addition de matrices

Somme des composantes correspondantes de deux matrices ayant les mêmes dimensions.

Multiplication de matrices

Opération combinant lignes et colonnes de matrices compatibles pour produire une nouvelle matrice.

Données brutes

Valeurs originales servant de base aux analyses et interprétations.

Métadonnées

Données décrivant les données brutes telles que leur unité

Métadonnées descriptives

Métadonnées facilitant l’identification et l’interprétation des données.

Métadonnées structurelles

Métadonnées décrivant l’organisation

Métadonnées administratives

Métadonnées utilisées pour la gestion

Nettoyage des données

Processus visant à corriger les erreurs

Standardisation des données

Harmonisation des formats

Validation des données

Vérification du respect de règles prédéfinies comme le type ou le format.

Vérification des données

Confirmation de l’exactitude des données par rapport à la réalité ou à la source.

Apprentissage supervisé

Méthode d’apprentissage automatique utilisant des données étiquetées pour prédire des sorties.

Apprentissage non supervisé

Méthode visant à découvrir des structures ou des patterns cachés dans les données.

Apprentissage par renforcement

Méthode d’apprentissage basée sur des récompenses et pénalités.

Fonction de coût

Mesure de l’erreur entre les prédictions d’un modèle et les valeurs réelles.

Gradient

Dérivée partielle indiquant la direction de variation maximale d’une fonction.

Régression linéaire

Modèle prédictif utilisant une droite pour estimer une variable continue.

Régression logistique

Méthode de classification binaire estimant la probabilité d’appartenance à une classe.

Régression polynomiale

Modèle ajustant un polynôme pour représenter des relations non linéaires.

Sous-apprentissage

Situation où le modèle est trop simple pour capturer la structure des données.

Sur-apprentissage

Situation où le modèle est trop complexe et apprend le bruit des données d’entraînement.

Série temporelle

Ensemble d’observations d’une variable mesurée à différents moments dans le temps.

Tendance

Mouvement général à long terme d’une série temporelle.

Saisonnalité

Répétition régulière de motifs à court terme dans une série temporelle.

Résidu

Partie imprévisible restante après retrait de la tendance et de la saisonnalité.

Transformation de Fourier

Méthode permettant de passer du domaine temporel au domaine fréquentiel.

Big Data

Ensembles de données massifs caractérisés par le volume