—————————————————–

Diaporama de présentation de la licence MIASHS aux Journées Portes Ouvertes [ici]

—————————————————–

Apprentissage supervisé (M2 MAS)

Nouveau : challenge 2019

Les compte-rendu de TP sont à rédiger au format RMarkdown [cheatsheet][reference guide] en respectant les règles de style pour écrire du code R.

• Cours 1 : Présentation générale [pres]
• TP1 : Les k plus proches voisins  [sujet] [synth_test.txt][synth_train.txt][Desbois.rda]
• Cours 2 : Approches basées sur un modèle [pres], [compléments logistique].
• TP2 : L’analyse discriminante linéaire et quadratique [sujet][Desbois_complet.rda][numbers_test.txt][numbers_train.txt]
• TP3 : Bayésien naif [sujet]
• TP4 : Régression logistique [sujet]
• Cours 3 : Arbres de classification [pres]
• TP5 : CART [sujet][vignette]

Data Mining (M2 MAS)

• Cours 1 : Analyse en Composantes Principales [pres][print]
• TP1 [sujet][eaux.rda][poissons.rda]
• Cours 2 : Analyse des Correspondances Multiples [pres][print]
• TP2 [sujet][dogs.rda][gsvd.R][corrigé]
• Cours 3 : Clustering [pres][print]
• TP3 [sujet][fromage.txt][correction algos à la main]

Sujet de DS de l’année dernière.

—————————————————–

Analyse des données (L3 MIASHS)

• Chapitre 1 : Analyse en Composantes Principales [pres][print]
• Chapitre 2 : Classification automatique [pres][print]

Modélisation Statistique (L3 MIASHS)

• Chapitre 1 : Régression linéaire simple [pres][print]
• Chapitre 2 : Régression linéaire multiple  [pres][print][data]

Prérequis :

• Statistiques descriptives  (L1)
• Suites de variables aléatoires, Estimateurs et intervalles de confiance, Théorie des tests (L2)

Analyse de données qualitatives et analyse factorielle discriminante  (M2 MIMSE)

• Séance 1 : Notions de base [Cours] [Données]
• Séance 2 : AFC [Rappels] [Cours] [Exemple]
• Séance 3 : TP1 – AFC [Sujet] [Données] [Correction]
• Séance 4 : ACM [Cours] [Données]
• Séances 5, 6 et 7 : ACM [Sujet] [Correction]  [Données]
• Séance 8 : AFD [Cours] [Données] [Procédures AFD sous R]
• Séances 9 et 10 : TP3 – AFD [Sujet] [Données] [Correction]

Prérequis : ACP avec métriques

Analyse de données quantitatives (M1 MIMSE)

• Cours : Notions de base (code R), ACP (exemple), Clustering, Clustering avec SPAD.
• TP : TP1 et TP2 (correction), TP3 (correction), TP4 (correction, codeR), TP5 (correction, codeR, sorties interprétation des classes et correction)
• Jeux de données : eaux.txt, Desbois.txt, fromages.txt

Scoring (M2 MIMSE)

• Cours polycopié
• Fichiers d’exemples : credits.xls, infactus.xls, farms.xls.
• TD/TP : TP1 (correction), TP2 (correction), TP3 (correction, sorties SAS).
• Jeux de données : insectes.zip, infarctus.Rdata (version txt), farms.Rdata (version txt).
• Code R : procédures d’AFD, fonctions linéaires de classement.
• Annale 2013