Composante
Faculté des sciences
Liste des enseignements
UE1 - Datamining et Classification
5 créditsUE2 - Modèles de Régression
4 créditsUE3 - Modélisation Stochastique 2
4 crédits
UE1 - Datamining et Classification
Niveau d'étude
BAC +4
ECTS
5 crédits
Composante
Faculté des sciences
Principaux concepts du datamining ; analyse des données (ex : ACM, AFM, MDS) ; classification supervisée (k-plus proches voisins, analyse discriminante, arbres de décision, SVM, etc.) ; courbes ROC et AUC ; classification non-supervisée (k-means, classifications hiérarchiques, DBSCAN, etc.) ; mise en pratique sous R et/ou Python.
Remarque : note plancher de 8/20, sauf appréciation contraire du jury.
Datamining et Classification
Composante
Faculté des sciences
UE2 - Modèles de Régression
Niveau d'étude
BAC +4
ECTS
4 crédits
Composante
Faculté des sciences
Contenu :
Régression linéaire (simple/multiple) ; analyse de variance (1F/2F) ; analyse de covariance ; effets aléatoires et effets mixtes ; régression logistique ; régression PLS ; modèle linéaire généralisé ; principe de la validation croisée et indicateurs de qualité (AIC, BIC, etc.)
Modèles de Régression
Composante
Faculté des sciences
UE3 - Modélisation Stochastique 2
Niveau d'étude
BAC +4
ECTS
4 crédits
Composante
Faculté des sciences
Chaînes de Markov en temps continu : Définition et propriétés. Temps d’atteinte, temps d’absorption. Lois invariantes et convergence à l’équilibre. Exemples du processus de Poisson, du processus de Poisson composé, du processus de naissance et mort et des processus de files d’attente. Etude du cas général des processus de branchement. Applications à des modèles de croissance de population. Processus de Poisson composé avec drift et applications à des modèles de ruine.
Simulations : Simulations sous Python de chaînes de Markov en temps continu. Simulation de la loi invariante, du temps d’absorption. Modélisation de problèmes de ruine et de croissance de populations.
Modélisation Stochastique 2
Composante
Faculté des sciences