Descriptif :
L’objectif de cette ressource est de donner les fondements de méthodes d’analyse de données.

Savoirs de référence étudiés
– Estimations (par ex. : intervalle de confiance, vraisemblance...)
– Test d’hypothèse (tests classiques, khi2, student...)
– Analyse de données (utilisation d’une bibliothèque adaptée, par ex. : pandas, R...)

Descriptif :
L’objectif de cette ressource est de démontrer qu’à l’aide de différents algorithmes de bases d’exploration, d’analyse de données et de prédiction, et de différentes techniques on arrive à mieux comprendre ces données, et en extraire de la connaissance. Il faut être en mesure d’appliquer ces outils sur d’autres jeux de données et d’en extraire de la connaissance par la maîtrise des techniques, outils et algorithmes de base du machine learning pour l’analyse de données.

Savoirs de référence étudiés
– Modélisation de données
– Analyse de données, réduction de dimensions (APCA...)
– Exploration de données, fouille, recherche de motifs, clustering...
– Techniques d’apprentissage automatique (machine learning), analyse et prédiction
– Sensibilisation au passage à l’échelle des techniques et algorithmes
– Outils d’analyse de données (par ex. : ETL, Qlik sense...)