Description

• Apprentissage supervisé
• Méthodes issues de la régression linéaire
• Méthodes de classification
• Expansions et régularisations
• Méthodes de lissage
• Comparaison et sélection de modèles
• Réseaux neuronaux
• Machines à vecteurs de support
• Apprentissage non-supervisé
• Programmation sous SAS, programmation sous R

Compétences visées

A l'issue des enseignements de cette UE, les étudiants seront capables :

• De mettre en œuvre une panoplie de méthodes en sciences de données
• De manipuler des bases de données massives (trop massives pour être visualisées à l’écran dans leur intégralité)
• De choisir et d’appliquer la méthode adéquate en fonction du sujet à traiter et des données disponibles
• D’écrire de manière autonome un programme de traitement de données en utilisant R et SAS
• De prendre la parole en public pour présenter un projet empirique

Disciplines

• Sciences économiques

Contacts

Responsable(s) de l'enseignement

• Bertrand Koebel