SYLLABUS

1. Objectifs du cours

Analyser des tableaux de données dans une visée exploratoire ou prédictive

2. Description du cours

Ce cours explore les méthodes d'analyse des données dans un contexte supervisé avec une ou plusieurs variables réponses quantitatives ou qualitative. En particulier, la régression Partial Least Squares est détaillée et son application trouve sa justification dans le cadre d'analyse de tableaux de données en présence de forte multicolinéarité et/ou dans le contexte "small n large p" cad lorsque le nombre de variables explicatives est supérieur au nombre d'individus.

3. Plan du cours

• Chapitre 1 Régression sur composantes principales et régression PLS
• 2.1. Problèmes avec la régression linéaire multiple
• 2.2. La régression sur composantes principales et régression PLS1
• 2.3. Régression PLS2
• 2.4. Applications
• Chapitre 2 Méthodes de discrimination
• 3.1. Analyse factorielle discriminante
• 3.2. Analyse discriminante PLS
• 3.3. Applications

4. Compétences visées

• Connaître et utiliser à bon escient les techniques modernes de data science
• Utiliser les différentes techniques d'analyse de données (data mining)

Consulter la fiche RNCP de cette formation

5. Modalités pédagogiques

Mode d'enseignement : Présentiel

Langue(s) utilisée(s) : Français

Méthodes pédagogiques : Cours magistral, Travaux Dirigés

6. Modalités d'évaluation

Étude de cas

7. Bibliographie

• Tenenhaus M. La Régression PLS. Théorie et pratique, 1998, Technip.
• Saporta G. Probabilités, analyse des données et statistique, 2011, Technip.