• Former les étudiants à l’utilisation des méthodes d’analyse factorielle en apprentissage statistique non supervisé et supervisé. Maîtriser les bases mathématiques des méthodes d'analyse factorielle,
• Être capable d’utiliser des logiciels statistiques pour la mise en œuvre de ces méthodes,
• Être en mesure d’interpréter les  résultats du traitement pour l’analyse des données en vue de la prise de décision.

1. Méthodes mathématiques pour l’analyse des données.
2. Analyse en composantes principales (ACP).
3. Décomposition en valeur singulière (SVD) pour l’ACP.
4. Partial Least Square version régression et version analyse canonique.
5. Analyse discriminante via Partial Least Square.

Voir la page complète

Il s'agit de maîtriser l’utilisation des modèles linéaires dans un cadre statistique.

1. Modèle linéaire pour variables quantitatives.
2. Modèle linéaire gaussien pour variables quantitatives.
3. Analyse des résidus et validation du modèle.
4. Modèle linéaire pour variables qualitatives.

Voir la page complète