Master Sciences, Technique, Santé

Nom de l’UE : MODELES STATISTIQUES POUR L’AIDE A LA DECISION

Nombre de crédits : 6

UFR de rattachement : UFR Informatique

Responsables de l’UE : Alexandre Aussem Tél : [phone], mail : [e-mail]

Autres intervenants : ), Alain Dussauchoy, Jean-Marc Adamo et Khalid Benabdeslem

Contact formation : Alain Mille, Alain Guinet Tél : e-mail : [e-mail]

Enseignement présentiel : 30 heures

Répartition de l’enseignement présentiel :

Cours Magistraux 15 heures

Travaux Dirigés 15 heures

Travaux Pratiques heures

Contrôle des connaissances^67
Contrôle continu^68 : 0%	Examen terminal : 100%
Type de l’UE Obligatoire : NON Formation : Mention Informatique Parcours : Optionnelle : OUI Formation : Mention Informatique Parcours : ADE Place de l’UE dans le parcours : M2 semestre : 3 Modalités d’accès à l’UE (pré-requis conseillés) : Oui lesquels : Probabilités, statistiques, espaces vectoriels, algèbre linéaire
Programme – contenu de l’UE Objectifs du cours L’objectif de ce cours est de présenter les concepts, méthodologies et techniques d’analyse de données et d’apprentissage statistique à mettre à profit dans un processus d’extraction de connaissance et d’aide à la décision PLAN 1. Analyse de données Analyse en composantes principales ,Analyse des correspondances ,Classification non hiérarchique (K-means, nuées dynamiques etc.) , Classification hiérarchique, L’analyse discriminante, Régression linéaire, Exemples d’application 2. Cartes auto-organisatrices de Kohonen (SOM) Quantification vectorielle, Apprentissage des cartes, Cartes topologiques binaires, mixtes, temporelles, sous contraintes Cartes topologiques et sélection de variables , Exemples d’application, 3. Séparateurs à Vaste Marge (SVM), Séparation linéaire Optimisation Lagrangienne, Noyaux, Régression, Classification Multi-classes (Méthodes directes et par décomposition), Exemples d’application 4. Réseaux de neurones Le modèle multi-couche, La rétro-propagation, Les réseaux à bases radiales , Application à la régression, Application à la classification supervisée. Note : les réseaux bayésiens sont déjà traités dans l’U.E. de base : Graphe et Applications. Compétences acquises Méthodologiques : : Acquisition de concepts et méthodes pour effectuer des prévisions, reconnaître des formes, élaborer des modèles dans le cadre d’un processus d’aide à la décision Techniques : Mise en œuvre des méthodes et algorithmes modernes de l’analyse de données et de l’extraction de connaissance. Secteur d’activité concerné et compétences métier acquises : Industrie des biens ou/et des services