 | Programme d’études 2022-2023 | English | |
| Analyse des données expérimentales | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(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
- Hybride
Types d'activités
- Cours magistraux
- Ateliers et projets encadrés au sein de l'établissement
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend