You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Olivier Mamavi
d16a82b15c
|
3 years ago | |
|---|---|---|
| SCRUM | 3 years ago | |
| LICENSE | 3 years ago | |
| README.md | 3 years ago | |
README.md
GUIDE DU DATA MANAGER (édition 2022)
Ce repo contient des éléments pour les étudiants du master 2 en Data Management de Paris School of Management.
L'objectif finale est de réaliser un livre blanc qui servira de support de cours.
Sommaire
- PARTIE 1: Organiser un projet Data
- PARTIE 2: Construire une base de données
- PARTIE 3: Analyser les données
- PARTIE 4: Exploiter les données (Business Intelligence)
- PARTIE 5: Utiliser l'intelligence artifcielle (Machine Learning)
Partie 1 : Organiser un projet Data
Chapitre 1: Fondements de management de projet
- Pourquoi il faut manager un projet ?
- Qu’est-ce qu’un projet ?
- Qu’est-ce que manager un projet
- Quels sont les cycles de gestion de projet ?
- Qu’est-ce que l’organigramme des tâches d’un projet ?
- Comment maîtriser les délais ?
- Qu’est-ce qu’un diagramme de GANTT ?
- Qu’est-ce qu’un diagramme de PERT ?
- Comment allouer les ressources d’un projet ?
- Qu’est-ce qu’un cahier des charges fonctionnelles ?
Chapitre 2: Apports d'une démarche Agile
- Pourquoi passer à une méthode agile pour gérer un projet ?
- Quelles sont les avantages de la méthode agile ?
- Quels sont les différents types de méthode agile ?
- Quand choisir une méthode agile ?
- Quelles sont les différences entre méthode classique et méthode agile ?
- Qu’est-ce que l’agilité ?
- Comment devenir agile ?
- Qu’est-ce que la méthode SCRUM ?
- Quelles sont les valeurs de la méthode SCRUM ?
- Quelles sont les principes de la méthode SCRUM ?
- Quel est la démarche pour mettre en place une méthode SCRUM ?
Chapitre 3 : Caractéristiques de la méthode SCRUM
Quel est l'environnement d'un projet avec la méthode SCRUM ?
- A quoi sert le Scrum Master ?
- A quoi sert le Product Owner ?
- A quoi sert l’équipe de développement ?
Quels sont les objets d'un projet avec la méthode SCRUM ?
- A quoi servent les Stories (cas d’usage) ?
- Comment organiser les stories ?
- A quoi servent les Product Backlog (carnet de produit) ?
- Comment organiser les backllog ?
Quels sont les évènements d'un projet avec la méthode SCRUM ?
- Qu’est-ce qu’un Scrum meeting ?
- Qu’est-ce qu’un Sprint ?
- Comment organiser un sprint ?
- Qu’est-ce qu’un Sprint Review ?
Quels sont les outils pour déployer une méthode Scrum ?
- Comment utiliser Discord pour gérer un projet ?
- Comment utiliser Trello pour gérer un projet ?
- Existe-il une solution gratuite à Jira Software ?
- A quoi sert un système de versionning (Git) ?
- Comment utiliser Gitea pour gérer les livrables ?
PARTIE 2: Construire une base de données
Chapitre 4: Base de données relationnelles
Projet
- le contexte
- la mission
- le livrable
Tachés réalisées
- l'organisation du projet : l'environnement, les objets, les évènements, les outils
- la préparation du Sprint 1 : objectifs, acteurs, tâches
Ce qu'il faut retenir
- Qu'est-ce qu'une donnée ?
- Qu'est-ce qu'une base de données ?
- Qu'est-ce qu'un système de gestion de base de données (SGBD) ?
Chapitre 5: Collecter les données
Présentation du Sprint
- objectifs
- acteurs
- évènements
- support et outils utilisés
Tachés réalisées
- identifier des sources de données
- sélectionner des jeux de données
- collecter les données
Résultats obtenus
Difficultés rencontrées
Ce qu'il faut retenir
- Qu'est-ce que l'open data ?
- Qu'est-ce que le webscraping ?
- Comment collecter des données sur le web ?
Chapitre 6: Préparer les données
Présentation du Sprint
- objectifs
- acteurs
- évènements
- support et outils utilisés
Tachés réalisées
- présenter les jeux de données
- descrire des variables
- transformer des variables
- indexer le jeu de données
Résultats obtenus
Difficultés rencontrées
Ce qu'il faut retenir
- Qu'est-ce qu'une clé primaire ?
- Comment réaliser une jointure entre 2 tables de données ?
Chapitre 7: Organiser les données
Présentation du Sprint
- objectifs
- acteurs
- évènements
- support et outils utilisés
Tachés réalisées
- formater les variables (convertir) : dates, adresses, montant, ...
- nettoyer la base de données : doublons, valeurs extêmes ou abbérentes, valeurs manquantes, ...
- organiser les variables dans des tables
- concevoir une architecture de la base de données
Résultats obtenus
Difficultés rencontrées
Ce qu'il faut retenir
- Qu'est-ce qu'une architecture de base de données ?
Chapitre 8: Présenter les données (data paper)
Présentation du Sprint
- objectifs
- acteurs
- évènements
- support et outils utilisés
Tachés réalisées
- Résumé
- Contexte et objectifs
- démarche et organisation de la base de données
- Description des variables
- Exploitation et usages
Difficultés rencontrées
Ce qu'il faut retenir
- Qu'est-ce qu'un data paper ?
PARTIE 3: Analyser les données
Chapitre 9 : Décrire les données
- les différents types de données
- les données quantitatives
- les données qualitatives
- la transformation de données qualitatives en données quantitatives
- variables à expliquer et variables explicatives
- les mesures de tendance centrale
- le mode
- la médiane
- la moyenne
- les mesures de dispersion et de position
- l'écart-types
- la variance
- l'étendue
- le minimum
- le maximum
- le percentile
Chapitre 10 : Explorer les données
- Relations entre 2 variables
- 2 variables numériques
- 2 variables catégorielles
- 1 variable numérique et 1 variable catégorielle
- Analyse des corrélations
- Coefficient de corrélation de Pearson et de Spearman
- Tableau des correlations
- Analyse de la variance (ANOVA)
- Analyse factorielle et réduction des dimensions
Chapitre 11 : Trouver un modèle
- La régression linéaire
- La régression logistique
Chapitre 12 Evaluer un modèle
- évaluer les modèles de régression linéaire
- le coefficient de détermination (R2)
- l'erreur quadratique moyenne (MSE)
- évaluer les modèles de régression logistique
- la matrice de confusion
PARTIE 4: Exploiter les données (BI)
Chapitre 13 : Définir les indicateurs de performanace
Chapitre 14 : Construire le tableau de bord
PARTIE 5: Utiliser l'intelligence artifcielle (Machine Learning)
Chapitre 15 : Apprentissage supervisé
- Qu'est-ce que l'apprentissage supervisé ?
- Comment faire une prédiction grâce à l'apprentissage supervisé ?
- Quels sont les modèles d'apprentissage supervisé ?
- Comment optimiser une prédiction en faisant du "feature engineering" ?
- Comment évaluer un modèle de prédiction ?