 | Programme d’études 2019-2020 | English | |
| Science des données III : exploration et prédiction | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
|---|---|---|---|---|
| S-BIOG-025 |
|
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
|---|---|---|---|---|---|---|---|
| Français | Français | 15 | 15 | 0 | 0 | 0 | Q1 |
| Modalités d'organisation des évaluations à distance de fin de Q3 2019-2020 (Covid-19) |
|---|
|
| Description des modalités d'évaluation à distance de fin de Q3 2019-2020 (Covid-19) |
| Suite à la pandémie Covid-19, l'examen se fera par écrit à distance. Les étudiant reçevront une question et devront y répondre en une page maximum par étudiant. Le travail se fait à cahier ouvert, avec accès à toute référence souhaitable, et peut se faire seul ou par groupe (-mais alors, la contribution de chacun doit être clairement indiquée dans le rapport de groupe, en tête de chaque section-). La contribution à l'écrit de chaque étudiant est limitée à une page hors illustrations. Un style concis est accepté. Les références bibliographiques éventuelles doivent être clairement indiquées selon l'usage. Le "plagiat" (réponses trop similaires de deux ou plusieurs étudiants) sera sanctionné. Les étudiants qui souhaitent travailler à plusieurs doivent remettre un travail de groupe avec des parties clairement indiquées comme étant la contribution de chacun. |
Contenu de l'AA
Les chapitres de cette UE sont:
- Classification supervisée I, LDA, principe général, matrice de confusion, métriques
- Classification supervisée II, validation croisée, AUC, k-nn, lvq, rpart, random forest
- Classification supervisée III, svm, réseaux de neurones, deep learning
- Séries temporelles I, caractéristiques, manipulation, acf, analyse spectrale
- Séries temporelles II, décomposition et régularisation
- Statistiques spatiales, initiation, représentations cartographiques, krigeage
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet.
Autres références conseillées
Barnier, J., 2018. Introduction à R et au tidyverse (https://juba.github.io/tidyverse/index.html). Ismay, Ch. & Kim A.Y, 2018. Moderndive: An introduction to statistical and data science via R (http://moderndive.com). Wickham, H. & Grolemund, G, 2017. R for data science (http://r4ds.had.co.nz). Zar, J.H., 2010. Biostatistical analysis (5th ed.). Pearson Education, London. 944pp. Dagnelie, P., 2007. Statistique théorique et appliquée, Volumes I et II (2ème ed.). De Boeck & Larcier, Bruxelles. 511pp (vol. I) 734pp (vol. II). Venables W.N. & B.D. Ripley, 2002. Modern applied statistics with S-PLUS (4th ed.). Springer, New York, 495 pp. Legendre, P. & L. Legendre, 1998. Numerical ecology (2nd ed.). Springer Verlag, New York. 587 pp.
Mode d'enseignement
- Face à face
- Mixte
Types d'activités
- Cours magistraux
- Conférences
- Travaux pratiques
- Travaux de laboratoire
- Exercices de création et recherche en atelier
- Projet sur ordinateur
- Etudes de cas
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend