Analyse des données

Objectifs

A la fin de ce module, l'étudiant devra avoir compris et pourra expliquer (principaux concepts) :

-Étapes clés de résolution d¿un problème d¿analyse de données : préparation, visualisation & exploration, prédiction, interprétation.
-Principales méthodes d¿exploration de données.
-Concepts généraux et pièges de l¿apprentissage.
-Principales méthodes d¿apprentissage statistique sur des données vectorielles, nécessitant peu de réglages et d¿expertise métier.
-Fonctionnement des logiciels R, Python pour l¿analyse de données.

L'étudiant devra être capable de :

-Résoudre des exercices simples relatifs à la théorie mathématique sous-jacente.
-Mettre en œuvre toute la démarche d¿analyse de données sur des cas d¿usage, avec R et Python.
-Critiquer les hypothèses et les résultats, synthétiser les conclusions essentielles.

Pré-requis

Statistiques : statistiques descriptives.
Probabilités : vecteurs aléatoires, loi de probabilité, formule de Bayes, loi normale multidimensionnelle.
Algèbre: espaces vectoriels, espaces euclidiens, calcul matriciel, diagonalisation de matrices.
Géométrie/mécanique : barycentre, inertie, formule de Huygens.

Évaluation

L’évaluation des acquis d’apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs…