—————————————————–
Vidéo de présentation de la licence MIASHS de Bordeaux aux Journées Portes Ouvertes [ici]
—————————————————–
Apprentissage supervisé
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][cp arbre exercice 1]
- Cours 4 : Forêts aléatoires [pres]
- TP6 : Forêts aléatoires [sujet]
Challenge : résultats 2019
Data Mining
- 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
- 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