Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) |
---|---|---|---|
I-MARO-014 |
|
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
---|---|---|---|---|---|---|---|
Français | Français | 30 | 6 | 0 | 0 | 0 | Q2 |
Contenu de l'AA
- techniques descriptives comme l'analyse en composantes principales et l'analyse factorielle discriminante
- modèles classiques d'analyse des données statistiques (analyse de la variance, régression linéaire)
- data mining (méthodes de classification, supervisée et non-supervisée)
Supports principaux non reproductibles
- syllabus de théorie et d'exercices pratiques
- diapositives
Support complémentaires non reproductibles
syllabus de théorie et exercices pratiques
Autres références conseillées
R.O.Duda, P.E.Hart, D.G.Stork. "Pattern Classification". John Wiley and Sons, 2000.
I. H. Witten, E. Frank. Data Mining : "Practical Machine Learning Tools and Techniques with Java Implementations". Morgan Kaufmann, 2010
J-M. Azaïs, J-M. Bardet, "Le Modèle Linéaire par l'exemple : Régression, Analyse de la Variance et Plans d'Expériences. Illustrations numériques avec les logiciels R, SAS et Splus", Dunot, 2006
R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, "Probability and Statistics for Engineers and Scientists", Prentice Hall, 2012
Mode d'enseignement
- Face à face
Types d'évaluation du Q1
- Néant
Commentaire sur l'évaluation Q1
Sans objet
Types d'évaluation Q2
- Présentation et travaux
- Examen oral
- Examen écrit
Commentaire sur l'évaluation Q2
Questions théoriques et pratiques de divers degrés de difficultés
Types d'évaluation du Q3
- Présentation et travaux
- Examen oral
- Examen écrit
Commentaire sur l'évaluation Q3
idem Q2
Types d'évaluation rattrapage Q1(B1BA)
- Néant
Commentaire sur l'évaluation Q1ratt. B1BA
Sans objet
Types d'activités
- Cours (cours magistraux; conférences)
- Travaux pratiques / travaux de laboratoire / exercices de création et recherche en atelier / projet sur ordinateur /études de cas