Diplôme d'Etablissement "Big Data et Statistique pour l'Ingénieur"

- Maîtriser les outils de la statistique, du traitement des données et de l'Intelligence artificielle avec des applications concrètes. - Sensibiliser aux problématiques et aux outils actuels et futur du Big data et de l'intelligence artificielle. - Utiliser des méthodes et outils statistiques les ingénieurs de l'industrie, de la santé, des transports, des services ou de la défense, confrontés à des problèmes de traitement des données et à leur compréhension. - Permettre la compréhension des domaines d'application de la statistique et du traitement des données. - Mettre en œuvre les méthodes. - Maîtriser les outils statistiques, pour des applications concrètes dans l'entreprise.

Session 1 : - Enjeux socio-économiques du Big Data. - Introduction à la Statistique. - Statistique descriptive univariée et bivariée. - Initiation au logiciel statistique R. Session 2 : - Statistique inférentielle : estimateurs, intervalles de confiance et tests d'hypothèses paramétriques et non paramétriques. - Illustration à l'aide du logiciel R. Session 3 : - Statistique multidimensionnelle : analyse en composantes principales, analyse factorielle des correspondances, analyse des données mixtes, analyse discriminante, classification automatique (clustering), classification de variables, réseaux de neurones. - Illustration à l'aide du logiciel R. Session 4 : - Big Data : stockage de très grands volumes de données dans des architectures passant à l'échelle, calcul parallèle, méthodologie adaptée, etc. - Mise en œuvre pratique. Session 5 : - Modélisation statistique : régression linéaire simple et régression linéaire multiple, analyse de la variance (ANOVA), analyse de la covariance (ANCOVA). - Illustration à l'aide du logiciel R. Session 6 : - Modélisation statistique : forêts aléatoires, régression non paramétrique, régression semi paramétrique. - Illustration à l'aide du logiciel R. Session 7 : - Etudes de cas. - Deep learning. - Analyse des données du web et gestion de la qualité des données.

Non renseigné