Aller au menu Aller au contenu
Une voie, plusieurs choix
Informatique et Mathématiques appliquées
Une voie, plusieurs choix

> Formation > Cursus ingénieur

Statistical analysis and document mining (en anglais) - 4MMSADM

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In
  • Volumes horaires

    • CM : 16.5
    • TD : 7.5
    • TP : 9.0
    • Projet : 0
    • Stage : 0
    • DS : 0
    Crédits ECTS : 3.0
  • Responsables : Olivier GAUDOIN, Jean-Baptiste DURAND

Objectifs

L’objectif de ce cours est de se familiariser avec les outils d’analyse de données, indispensables dans de nombreuses applications : marketing, segmentation d’utilisateurs, finance, économie, biologie, environnement…
Les outils présentés seront d’une part des outils statistiques pour une approche globales des données, et d’autre part des outils de data mining pour trouver des patterns caractéristiques de certaines zones des données ou de documents.
Le cours insistera à la fois sur les aspects théoriques et sur la pratique, par l’utilisation du logiciel R et de plusieurs algorithmes performants de pattern mining.

Contenu

1. Régression linéaire multiple. Moindres carrés, modèle linéaire gaussien, tests d’hypothèses linéaires , analyse de la variance à un facteur contrôlé.
2. Analyse en Composantes Principales (ACP).
3. Classification, classification supervisée, analyse linéaire discriminante, perceptron, Naive Bayes
4. Fouille de documents, représentation numérique des documents, lien avec le clustering de graphes

Prérequis

Notions usuelles en probabilités (loi, densité jointe de vecteurs, probabilité conditionnelle, espérance, variance, covariance, loi normale)

Notions usuelles en statistique mathématique (estimateur, intervalle de confiance, test). La connaissance de la régression linéaire simple est un plus.

Notions d'algèbre linéaire (réduction d'endomorphismes).

La connaissance du logiciel R et de RStudio est un plus.

Contrôles des connaissances

CONTRÔLE CONTINU :
Type d'évaluation (ex : TP, assiduité, participation) :

SESSION NORMALE :
Type d'examen (écrit, oral, examen sur machine) : un examen sur machine de 3h (E) et un rapport à rendre sur les travaux pratiques (P)
Salle spécifique : salles de TP en configuration "examen" (pas de connection internet, etc.)
Durée : 3h
Documents autorisés (ex : aucun, résumé feuille A4 manuscrite, dictionnaires, tous documents) : tout document manuscrit.
Documents interdits (ex : livres, tous documents) : tout document imprimé.
Matériel (ex : calculatrices):

  • matériel autorisé, préciser :
  • matériel interdit, préciser : ordinateur personnel, calculatrice
    Commentaires :

SESSION DE RATTRAPAGE :
Type d'examen (écrit, oral, examen sur machine) : écrit
Salle spécifique :
Durée : 2h
Documents autorisés (ex : aucun, résumé feuille A4 manuscrite, dictionnaires, tous documents) : tout document manuscrit.
Documents interdits (ex : livres, tous documents) : tout document imprimé.
Matériel (ex : calculatrices):

  • matériel autorisé, préciser :
  • matériel interdit, préciser :
    Commentaires :

N1=1/2E1+1/2P
N2=E2

L'examen existe uniquement en anglais FR

Calendrier

Le cours est programmé dans ces filières :

  • Cursus ingénieur - Filière IF - Semestre 8 (ce cours est donné uniquement en anglais EN)
  • Cursus ingénieur - Filière ISI - Semestre 8 (ce cours est donné uniquement en anglais EN)
  • Cursus ingénieur - Filière MMIS - Semestre 8 (ce cours est donné uniquement en anglais EN)
cf. l'emploi du temps 2019/2020

Informations complémentaires

Code de l'enseignement : 4MMSADM
Langue(s) d'enseignement : FR

Vous pouvez retrouver ce cours dans la liste de tous les cours.

Bibliographie

CM BISHOP (2006) Pattern recognition and machine Learning. Springer
http://research.microsoft.com/en-us/um/people/cmbishop/prml/

C. CHATFIELD and AJ COLLINS (1980) Introduction to multivariate analysis. Science paperbacks

T HASTIE, R TIBSHIRANI, and J FRIEDMAN (2009). The Elements of Statistical Learning, 2d ed, Springer. http://www-stat.stanford.edu/~tibs/ElemStatLearn/

G. SAPORTA : Probabilités, statistique et analyse des données, Technip, 2006.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 6 décembre 2017

Université Grenoble Alpes