Machine learning

  • ECTS

    2 crédits

  • Composante

    Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)

  • Volume horaire

    19,5h

Description

Ce cours s’attache à manipuler des méthodes couramment utilisées en Business Analyse ou en Machine Learning. Elles peuvent être utilisées également dans l’analyse de gros jeux de données (Big Data) comme nous le présenterons dans ce cours.

1.       Introduction :

Quelques termes techniques dont il faut connaître la définition…

2.       Partie 1 « méthodes descriptives non supervisées » :

  • les règles d’association comme outil de « profilage » d’événements concomitants et la description d’évènements également ;
  • la réduction de dimension via l’analyse en composantes principales et ses outils de visualisation
  • la classification ascendante hiérarchique comme outil de « profilage » d’unités statistiques et sa visualisation via le dendrogramme ;
  • éventuellement introduction aux autres méthodes factorielles multidimensionnelles : AFC, AFCM, MDS…

3.       Partie 2 « méthodes prédictives supervisées » :

  • La description d’évènements comme probabilité d’apparition en fonctions d’autres événements
  • La régression linéaire multiple comme modèle prédictif simple
Lire plus

Objectifs

  • Explorer, décrire et interpréter des données dans leur aspect
  • Cibler la bonne méthode d’analyse pour répondre à une problématique métier et fournir un rendu pertinent et compréhensible.
Lire plus

Heures d'enseignement

  • Machine learning - CMCours Magistral7,5h
  • Machine learning - TDTravaux Dirigés7,5h
  • Machine learning - TPTravaux Pratique4,5h

Pré-requis nécessaires

BI1, BI2, BA1 et BA2

Lire plus

Contrôle des connaissances

Évaluation continue intégrale (ECI) 100%

Lire plus

Compétences visées

 

Bloc 2

C2.3 Collecter, stocker, transformer les données

Débutant

C2.4 Analyser les données et produire de l'information.

Débutant

C2.5 Découvrir, représenter et exploiter des connaissances.

Débutant

Bloc 4

C4.4 Concevoir des systèmes intelligents basés sur des modèles de contrôle adaptatifs et auto-adaptatifs.

Débutant

Bloc 5

C5.1 Gérer un projet

Débutant

C5.2 Formuler et modéliser des problèmes de systèmes complexes

Débutant

Lire plus