2ASIMM-STATS-Sciences des données : apprentissage statistique_2024-25

La première partie est consacrée à des méthodes d’apprentissage non supervisé afin d’aider à la manipulation et à la visualisation de données. Une méthode classique de statistiques exploratoires -- l’analyse en composantes principales -- et des méthodes de classification non supervisée telles que les k-means et la classification ascendante hiérarchique sont présentées dans cette première partie.La seconde et majeure partie est consacrée à des méthodes d’apprentissage supervisé afin de fournir des outils de modélisation et d’interprétation de données. Le modèle linéaire -- qui regroupe la régression linéaire, l’analyse de la variance à un et deux facteurs et l’analyse de la covariance --, la régression logistique et la méthode des k plus proches voisins sont présentés dans cette partie.Cette UE comporte des cours magistraux, des travaux dirigés et des TD informatiques sur le logiciel R.