FORMATIONS |
Fiche détaillée d'un cours
Mathématiques pour la Business Intelligence | |||
2023-2024 | FrECOLE DU NUMERIQUE
(
EDN
)
| ||
Code Cours : | 2324-EDN-COMP-FR-4028 |
Niveau | Année de formation | Période | Langue d'enseignement |
---|---|---|---|
S2 | FrFrançais |
Professeur(s) responsable(s) | Aurélien VANNIEUWENHUYZE |
---|---|
Intervenant(s) | Pas d'autre intervenant |
- Ce cours apparaît dans les formations suivantes :
- Ecole Du Numérique (EDN) - Master 1 Data & Intelligence Artificielle - S2 - 4 ECTS
Objectifs du cours
- Savoir réaliser une exploration détaillée des données (phase critique avant la mise en œuvre d’algorithmes de machine Learning)
- Mettre en œuvre les outils statistiques adéquats
- Apporter un regard critique sur les données
Contenu du cours
- Les ensembles
- Description d’une série statistique
- Le vocabulaire de la statistique (Population, échantillon, type de caractéristiques)
- Effectifs et fréquences (cumulés et non cumulés)
- La discrétisation de caractéristiques continues (Règles de Sturges, de Rice, de Scott, de Freedman-Diaconis)
- Le tableau de contingence
- Analyses statistique univariée
- Les caractéristiques de position (mode, moyenne, quantiles)
- Les caractéristiques de dispersion (variance, écart-type sur population et échantillon, pourquoi n-1 dans le calcul de la variance et de l’écart-type corrigés ?)
- Les caractéristiques de formes (Skewness et Kurtosis)
- Analyses statistique bi/multivariées
- Le tableau de contingence pour l’analyse multivariée
- Liaison entre deux caractéristiques continues (covariance, le coefficient de correlation linéaire de Pearson)
- Liaison entre deux caractéristiques numériques ou ordinales (Coefficient de corrélation des rangs de Pearson, Tau de Kendall, Test du Chi-Deux)
- Statistiques inférentielles
- Introduction aux probabilités et au tests statistiques
- Analyses factorielles
- Analyse en composantes principale
- Analyse factorielle des correspondances
- Analyse des correspondances multiples
- Statistiques et Machine Learning
- La régression linéaire
Modalités d'enseignement
Organisation du cours
cours de 40h
Méthodes pédagogiques
Évaluation
Examen : coeff. 1
* Informations non contractuelles et pouvant être soumises à modification