Parcours des trois matinées

Un scénario actif, cumulatif et adaptable

Hypothèse de conception

Le déroulement ci-dessous couvre chaque matinée de 8 h 45 à 12 h 15, avec une pause de 10 minutes. Les tableaux reprennent les conducteurs d’animation utilisés en classe.

Résultat attendu

Au terme du parcours, chaque personne aura produit:

  1. un modèle linéaire interprété et diagnostiqué;
  2. un modèle logistique évalué au-delà de l’exactitude;
  3. une comparaison équitable entre trois approches prédictives;
  4. une fiche de modèle d’une page qui expose objectif, données, validation, résultats et limites.

Mercredi 26 août: régression linéaire

Heure Activité Production
8 h 45 à 9 h Accueil, production finale et brise-glace Question et hypothèses initiales
9 h à 9 h 30 Objectif, unité, variables, modèle et moindres carrés Carte conceptuelle
9 h 30 à 9 h 55 Mission 1: choisir avant d’ajuster Formule et verdict préliminaire
9 h 55 à 10 h 10 Débrief de la mission 1 Question et modèle communs
10 h 10 à 10 h 20 Pause
10 h 20 à 10 h 50 Coefficients, inférence, colinéarité et intervalles Interprétations et prédiction
10 h 50 à 11 h 15 Mission 2: auditer une estimation Deux profils, décomposition et message corrigé
11 h 15 à 11 h 30 Débrief de la mission 2 Résultats corrigés
11 h 30 à 11 h 50 Hypothèses, résidus, influence et transformation Diagnostic argumenté
11 h 50 à 12 h 10 Mission finale: répondre à un mandat Décision et fiche modèle de cinq phrases
12 h 10 à 12 h 15 Restitution et fermeture Décision et limite

Jeudi 27 août: régression logistique

Heure Activité Production
8 h 45 à 8 h 55 Accueil, production finale et vote Interprétation initiale d’une probabilité
8 h 55 à 9 h 20 Données Titanic, réponse, proportions, causalité et valeurs manquantes Portrait descriptif prudent
9 h 20 à 9 h 40 Bernoulli, cote, logit, vraisemblance, références et partage Carte des trois échelles
9 h 40 à 10 h 05 Mission 1: contester une explication simple Comparaison stratifiée et deux formules
10 h 05 à 10 h 15 Débrief de la mission 1 Modèle commun
10 h 15 à 10 h 35 Ajustement, rapports de cotes, support, probabilités et inférence Interprétation conditionnelle
10 h 35 à 11 h Mission 2: changer le codage Invariance, profils inédits et mémo corrigé
11 h à 11 h 10 Pause
11 h 10 à 11 h 30 Test, seuil, confusion et mesures Tableau de performance
11 h 30 à 11 h 55 Mission finale: évaluer et choisir Seuil, ROC, calibration et limite
11 h 55 à 12 h 08 ROC, AUC, calibration, Brier et conditions Diagnostic probabiliste complet
12 h 08 à 12 h 15 Fiche modèle, restitution et fermeture Fiche de six phrases

Vendredi 28 août: modèles d’apprentissage automatique

Heure Activité Production
8 h 45 à 9 h 10 Cible, fuite, dérive et trois candidats Question prédictive et hypothèses de choix
9 h 10 à 9 h 30 Arbre, forêt, surajustement et flexibilité Carte conceptuelle des compromis
9 h 30 à 9 h 50 Test fermé, fenêtres, recette et mesures Protocole commun
9 h 50 à 10 h 15 Mission 1: protéger le futur Calendrier et règles anti-fuite
10 h 15 à 10 h 20 Débrief de la mission 1 Protocole verrouillé
10 h 20 à 10 h 30 Pause
10 h 30 à 10 h 40 Moyennes, stabilité et mandats Grille de comparaison
10 h 40 à 11 h 05 Mission 2: choisir avant le test Classement signé et compromis
11 h 05 à 11 h 10 Débrief de la mission 2 Recommandations comparées
11 h 10 à 11 h 30 Test futur, calibration, importance et surveillance Diagnostic confirmatoire
11 h 30 à 11 h 55 Mission finale: ouvrir le futur et décider Fiche modèle et règle de retrait
11 h 55 à 12 h 15 Restitution et billet de sortie Décision, limite et condition de retrait

Rythme de chaque bloc

Chaque notion suit la même boucle:

  1. prédire intuitivement;
  2. observer une démonstration courte;
  3. modifier le code;
  4. interpréter le résultat;
  5. défendre une décision;
  6. nommer une limite.

Cette structure réduit le temps de présentation continue et crée un point d’activité toutes les 15 à 25 minutes.

Ce qui reste volontairement en extension

L’analyse en composantes principales, les k plus proches voisins, le regroupement par k-moyennes et les modèles plus complexes sont disponibles comme pistes d’approfondissement. La matinée principale du vendredi privilégie le processus de validation et la comparaison de modèles, car ces compétences se transfèrent à toutes les familles d’algorithmes (G. James et al., 2021; M. Kuhn et J. Silge, 2022).

Les références

G. James, D. Witten, T. Hastie, et R. Tibshirani. (2021). An Introduction to Statistical Learning: With Applications in R. https://www.statlearning.com/.
M. Kuhn et J. Silge. (2022). Tidy Modeling with R. https://www.tmwr.org/.