82-1 | Analyse de donnees en grande dimension (Master IDM) | Informatique (formation initiale sous statut étudiant) | S9 | ||||||
---|---|---|---|---|---|---|---|---|---|
Cours : 20 h | TD : 10 h | TP : 0 h | Projet : 0 h | Total : 30 h | |||||
Responsable : Regis Clouard |
Pré-requis | |
---|---|
Notions de probabilités de base (probabilités, variables aléatoires, loi normale,…). Maîtrise a minima de l’outil informatique. |
|
Objectifs de l'enseignement | |
Apporter un bagage statistique solide pour l’analyse de données classiques et avancées, avec l’accent porté sur les données de grande dimension. | |
Programme détaillé | |
Statistique descriptive Tests statistiques Régression linéaire multiple Études des résidus Sélection de variables Régression non-linéaire Régression logistique Arbres de classification Arbres de régression Forêts aléatoires |
|
Applications (TD ou TP) | |
Le CM est illustré par de nombreuses applications sur machine, et de nombreux TPs complètent la mise en œuvre. Le logiciel utilisé est R. | |
Compétences acquises | |
Solide bagage en Statistique Solide maîtrise du logiciel R |
|
Bibliographie | |
Pierre-André Cornillon, Arnaud Guyader, François Husson, Nicolas Jégou, Julie Josse, Maela Kloareg, Eric Matzner-Lober, and Laurent Rouviere. Statistiques avec R. Didact Statistiques. Presses Universitaires de Rennes, 2nd edition, 2010. Pierre André Cornillon and Eric Matzner-Lober. Régression avec R. Springer, Collection Pratique R, 1st edition, 2011. Trevor Hastie, Robert Tibshirani, and Jerome Friedman. The elements of statistical learning : data mining, inference and prediction. Springer, 2 edition, 2009 Christophe Chesneau, Statistique : méthode et applications avec le logiciel R, Editeur : Spartacus-Cassini, 2021. |
© 2024 - ENSICAEN ( Mentions Légales - Crédits )