BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Lyon Data Science – Communauté data & IA à Lyon - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Lyon Data Science – Communauté data & IA à Lyon
X-ORIGINAL-URL:https://lyondatascience.org
X-WR-CALDESC:Évènements pour Lyon Data Science – Communauté data & IA à Lyon
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20180325T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20181028T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20190331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20191027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20190910T184500
DTEND;TZID=Europe/Paris:20190910T200000
DTSTAMP:20260411T103228
CREATED:20251005T155029Z
LAST-MODIFIED:20251005T155029Z
UID:1474-1568141100-1568145600@lyondatascience.org
SUMMARY:L'importance de la normalisation en analyse de données
DESCRIPTION:Pré-requis : statistiques descriptives (moyenne\, variance\, z-score\, médiane\, distributions\, Gausienne\, etc)\nL’analyse de données est une tâche complexe\, composée de multiples étapes successives : lecture des données\, pré-traitements\, extraction des caractéristiques\, modélisation des caractéristiques et évaluation. La normalisation des données semble appartenir majoritairement à l’étape de pré-traitements\, ce qui est faux\, puisqu’on peut la retrouver aussi dans des tâches haut niveau comme la détection d’anomalies\, l’apprentissage automatique\, l’apprentissage profond\, les tests statistiques\, etc. De plus\, l’étape de pré-traitements est souvent vue comme contraignante et peu valorisante. Il n’en est rien\, car en réalité\, c’est ici que se joue une grande part de l’efficacité de toute la chaine de traitements. La valeur ajoutée du data scientist est rarement dans l’étape maSuperMethode.apply()\, mais plus souvent dans la manière de présenter les données à cette méthode.\nDans cet exposé\, nous verrons dans un premier temps l’intérêt de la normalisation\, puis les différentes manières de normaliser\, et enfin les applications. \nQuentin Barthélemy
URL:https://lyondatascience.org/evenements/limportance-de-la-normalisation-en-analyse-de-donnees/
CATEGORIES:Meetup
END:VEVENT
END:VCALENDAR