Cette UP donne un aperçu des méthodes d'optimisation classiques et modernes, associées à des techniques d'apprentissage automatique et en science des données dans un contexte supervisé et non supervisé. En particulier, l'évolutivité des algorithmes les plus populaires de Machine Learning, à des différents ensembles de données, sera discutée en théorie et en pratique."
| A la fin de l’unité pédagogique, l’élève sera capable de : | Niveau de taxonomie | Priorité |
|---|---|---|
| Identifier les différentes problématiques liées à des données temporelles et/ou spatiales | 2. Comprendre | Important |
| Mettre en oeuvre une méthodologie pour répondre à un problème donné | 3. Appliquer | Important |
| Analyser une série temporelle simple à partir d'outils standard (ACF et PACF) pour construire un modèle probabiliste | 4. Analyser | Essentiel |
| Dérouler une démarche statistique globale, en particulier la phase de validation | 3. Appliquer | Important |
| Envisager le cas de données spatiales ou multivariées | 1. Connaître | Important |
| Comprendre les concepts de stationnarité et d'autocorrélation au coeur de l'étude | 2. Comprendre | Important |
| Part de l'évaluation individuelle | Part de l'évaluation collective | ||||
|---|---|---|---|---|---|
| Examen sur table : | 50 | % | Livrable(s) de projet : | % | |
| Examen oral individuel : | % | Exposé collectif : | % | ||
| Exposé individuel : | % | Exercice pratique collectif : | % | ||
| Exercice pratique individuel : | % | Rapport collectif : | 50 | % | |
| Rapport individuel : | % | ||||
| Autre(s) : % | |||||
| Type d’activité pédagogique : | Contenu, séquencement et organisation |
|---|---|
| (inter)active Amphitheatre | Présentation générale avec objectifs et enjeux de l'étude de séries temporelles - premiers exemples et premières analyses de nature exploratoire |
| Cours | Cours sur l'approche probabiliste classique - stationnarisation et modèles stationnaires de type ARMA - Illustrations nombreuses sur de petits exemples Alternance avec de petits exercices pour se familiariser avec le calcul probabiliste d'ordre 2 sous-jacent (calcul d'ACFs théoriques, etc.) |
| Cours | Démarche statistique globale : on s'appuiera sur le dénominateur commun à tous les cours de la majeure, i.e. l'estimation statistique et la pratique des tests notamment pour la phase de validation Nombreux exercices pour se familiariser avec cette démarche |
| Travaux Pratiques | Mise en oeuvre sur une étude de cas et à l'aide du logiciel R |
| Cours | Retour d'expériences et bilan provisoire Prolongements avec le cas de prédicteurs exogènes, de données spatiales et multivariées. Initiation à la géostatistique Conclusion générale |