Analyse descriptive et prédictive

Description

Le cours s’articule autour de deux aspects du traitement de données :
1) Analyse exploratoire et visualisation
L’analyse exploratoire vise à décrire des ensembles de données afin d’améliorer leur compréhension et d’extraire de l’information. Le but de cette partie est de présenter les concepts et outils de l’analyse exploratoire (probabilités, statistiques, réduction de dimensions) et de la visualisation de données.
2) Apprentissage automatique
Cette partie s’intéresse à l’obtention d’un modèle d’un ensemble de données. Dans une première séquence, on s’intéresse aux méthodes d’apprentissage supervisé pour approfondir les notions vues dans l’enseignement de 4e année IR (complément sur les méthodes standards, méthodes d’ensemble, deep learning, biais et enjeux d’équité, explicabilité, vie privée, …).
Dans une seconde séquence, on s’intéresse à l’apprentissage non supervisé avec un focus sur les problèmes et méthodes de clustering (hiérarchique, k-moyenne, basé densité). 

Le but de ces deux parties est également de connaître les principales bibliothèques existantes en Python (Scikit-learn) ou en R.

Objectifs

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

- les différents problèmes rencontrés dans l¿étude des données avec un focus sur les problématiques d'analyse exploratoire et d¿apprentissage :
- les principaux concepts et algorithmes pour traiter ces problèmes
- les principales librairies existantes

L'étudiant devra être capable de :
- analyser les besoins pour le traitement de données.
- mettre en place les algorithmes pertinents
- utiliser les algorithmes implémentés dans les principales librairies existantes
- adapter et de développer ses propres algorithmes.
- analyser et expliquer les résultats des algorithmes
- programmer en langage Python et R

Pré-requis

Algorithmique, structure de données, complexité computationnelle, apprentissage supervisé (base), programmation, optimisation, statistiques et probabilités (base)

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…

En bref

Crédits ECTS :

Nombre d’heures :

EN 1 Clic

Annuaire

ENT

Rejoindre
les équipes

Marchés publics

Soutenir l'excellence

Fondation
INSA
Taxe
apprentissage

INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00

Logo Communauté d'universités et établissements de Toulouse
Logo Bienvenue En France

Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.

INSA Toulouse
Résumé de la politique de confidentialité

Ce site utilise des cookies afin que nous puissions vous fournir la meilleure expérience utilisateur possible. Les informations sur les cookies sont stockées dans votre navigateur et remplissent des fonctions telles que vous reconnaître lorsque vous revenez sur notre site Web et aider notre équipe à comprendre les sections du site que vous trouvez les plus intéressantes et utiles.
En cliquant sur "Accepter", vous acceptez l'utilisation de cookies en provenance de ce site ainsi que notre politique de protection des données personnelles.