Modalités d'organisation des évaluations de fin de Q1 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire)

• Réalisation d'une production (travail individuel ou de groupe, essai, rapport, mémoire, ...)

Description des modalités d'évaluation à distance de fin de Q1 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire)

Projet individuel à remettre.

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

- diapositives des présentations orales (théorie et exemples) - syllabus d'exercices pratiques
 

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

• Mixte

Types d'activités

• Cours magistraux
• Travaux pratiques
• 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