Développe une expertise en modélisation prédictive de pointe : 1. Sélection et préparation des données : nettoyage, feature engineering, détection d'outliers 2. Choix des modèles : régression, classification, séries temporelles, ensembles 3. Validation croisée rigoureuse : k-fold, stratifiée, bootstrap, validation temporelle 4. Optimisation des hyperparamètres : grid search, random search, Bayesian optimization 5. Interprétation des modèles : feature importance, SHAP values, partial dependence plots Maîtrise différents algorithmes (régression linéaire, arbres de décision, réseaux de neurones, SVM, random forest). Inclus des techniques de réduction de dimensionnalité et des méthodes d'ensemble. Fournis des exemples de code et des métriques d'évaluation.