• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

Analyse de données 3 : Statistiques, SIG, télédétection

  • ECTS

    5 crédits

  • Composante

    Faculté des sciences

Description

Cette UE s’inscrit dans la suite des modules Outils analytiques 1 et 2. Elle est enseignée à travers 2 approches et complétée par un projet analytique mobilisant des compétences transversales :
― Approches statistiques : modèles linaires généralisés à effets mixtes (GLMM), modèles hiérarchisés (emboités), sélection de modèles (sur critères, déviance), analyses des résidus, Bootstrap, modèles additifs généralisés (GAM), séries temporelles (méthode ARMA/ARIMA), validation croisée, notion d’autocorrélation.
― SIG/télédétection : télédétection, ce qui inclut les bases physiques, types de capteurs, acquisition d’information, photo-interprétation, analyse et traitement des différentes données satellitaires
― Projet transversal : travail par groupe sur des jeux de données permettant des analyses approfondies en SIG, statistiques et/ou compréhension d’un processus déterministe.

Lire plus

Objectifs

Développer/renforcer des cadres d’analytiques multi-approches afin d’appréhender la description de systèmes dynamiques complexes dans les sciences environnementales.

Lire plus

Heures d'enseignement

  • CM - Analyse de données 3 : Statistiques, SIG, télédétectionCours magistral5,3h
  • TD - Analyse de données 3 : Statistiques, SIG, télédétectionTravaux dirigés22,7h
  • TP - Analyse de données 3 : Statistiques, SIG, télédétectionTravaux pratique28h

Pré-requis obligatoires

Notions et contenus
― Méthodes statistiques appliquées aux sciences biologiques et environnementales.
― Bases en géomatique.
― UE à valider du M1 BEE ou équivalence : Outils analytiques 1 et 2
Compétences
― Connaître les quelques lois fondamentales (Loi Normale…)
― Savoir manipuler un jeu de données et extraire des descripteurs clefs d’un jeu de données (moyenne, médiane, variance, écart-type…).
― Connaître les procédures de modélisation linéaire à effets fixes (régression linéaire, régression multiple, analyse de variances à 1, 2, k facteurs, modèle de covariance)

Lire plus