Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) |
---|---|---|---|
I-MARO-156 |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
---|---|---|---|---|---|---|---|
Français | Français | 30 | 12 | 0 | 0 | 0 | Q2 |
Contenu de l'AA
analyse des données: tableaux de données, variables, représentations, distances; analyse en composantes principales, analyse factorielle discriminante; régression, analyse de la variance; méthodes de classification supervisée et non-supervisée, plans d'expériences; logiciels: R, Weka
Supports principaux non reproductibles
syllabus de théorie et exercices pratiques
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
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
- Examen oral
- Examen écrit
Commentaire sur l'évaluation Q2
Questions théoriques et pratiques présentant divers degrés de difficulté.
Types d'évaluation du Q3
- 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)
- Ateliers et projets encadrés au sein de l'établissement