Mini-rapport 2 - Prévision ou classification
Objectif et pondération
Produire en équipe une analyse prédictive reproductible avec validation hors échantillon et recommandation décisionnelle.
Pondération : 15 % de la note finale.
Échéancier pédagogique
- Proposition et validation du jeu de données : au plus tard à la fin du module 08.
- Point de contrôle sur la validation : pendant l’atelier 03.
- Remise : consulter le calendrier du cours.
Pour la voie classification, suivez dès le module 08 le parcours anticipé du module 10. Ses supports écrits, démonstrations et activités préparent le choix des données et le point de contrôle; le 2 décembre consolide ce contenu. Pour la voie temporelle, le point de contrôle mobilise les modules 06 à 08, puis le module 09 complète les variables externes.
Le dépôt se fait dans Brio. Vérifiez l’archive avant de la déposer.
Modalité
- Équipe de 2 ou 3 personnes.
- Environ 1 200 à 1 600 mots, hors code et références.
- Maximum de quatre figures ou tableaux principaux.
- Choisir une seule voie et la développer complètement.
- IA permise avec déclaration selon la politique du cours.
Voie A - Prévision temporelle
Le rapport doit inclure :
- cible, origine, fréquence et horizon;
- audit de la continuité temporelle;
- graphique de tendance, saisonnalité et valeurs inhabituelles;
- séparation chronologique apprentissage-validation;
- référence naïve ou saisonnière naïve;
- au moins une méthode principale;
- MAE et RMSE, plus une mesure ou un coût adapté;
- prévision conditionnelle et incertitude;
- recommandation et règle de surveillance.
Le bloc utilisé pour comparer et choisir les modèles est une validation. Si vous disposez d’un test final distinct, réservez-le à la méthode retenue. Avec un seul bloc hors apprentissage, précisez que le score a participé au choix et ne constitue pas une estimation finale indépendante. Pour les variables externes, distinguez les valeurs connues, prévues ou scénarisées à l’origine d’une comparaison conditionnelle aux valeurs observées ensuite.
Voie B - Classification binaire
Le rapport doit inclure :
- définition de l’événement, de la classe positive et de l’horizon;
- séparation entraînement-test;
- régression logistique comme référence ou méthode principale;
- probabilités prédites et vérification descriptive de calibration;
- matrices de confusion à au moins deux seuils;
- sensibilité, spécificité, précision et proportion ciblée;
- choix de seuil selon les coûts ou la capacité;
- recommandation et limite éthique ou opérationnelle.
Livrables
Remettre une archive contenant : source .qmd, HTML autonome, données autorisées ou script d’importation, README.md, déclaration IA ou mention de non-usage influent, et déclaration de contribution.
Validation des données
Suivez la procédure de validation. Les données futures ou la cible ne doivent jamais fuiter dans la préparation des prédicteurs.
Grille
La grille commune des mini-rapports est appliquée sur 100 points puis convertie en 15 %. Pour ce rapport, la rubrique « modélisation et validation » exige explicitement une preuve hors échantillon.
Gabarit
Utilisez le gabarit du mini-rapport 2.