Program (detailed contents):
— Introduction to exploratory data analysis
– Programing in R and write a Rmarkdown report
– Factor methods: Reminder on principal component analysis (PCA). Variants of PCA for qualitative data (correspondence analysis), classification (linear discriminant analysis), distance-based data (multidimensional scaling)
– Clustering: K-means and its variants, hierarchical clustering, mixture models and EM algorithm.
At the end of this module, the student will have understood and be able to explain (main concepts): - Statistical analyses of multidimensional data: dimension reduction and clustering with R - Manage an exploratory analysis on a dataset using R software and write a report using Rmarkdown
- Statistical interpretation of various graphical displays including the different kinds of factor analyses and clustering.
At the end of this module, the student should be able to:
- Explain and apply PCA, MCA, MFA, MDS, LDA
- Explain and apply clustering methods: Kmeans and its variants, hierarchical clustering, DBSCAN and mixture models
Statistics: descriptive statistics
Probability: random vectors, probability distribution, Bayes law, multivariate normal distribution.
Algebra: vector spaces, Euclidean spaces, matrix calculus, eigenvalue decomposition.
Geometry / mecanics: barycenter, inertia, Huygens formula.
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…
Crédits ECTS : 3.0
Nombre d’heures : 62.0
Annuaire
ENT
Rejoindre
les équipes
Marchés publics
INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00
Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.