Campus Triolet, Bat 36, SC36.07
Jonathan Dubois – Institut de Science des Données de Montpellier
Vous tentez d’étudier un processus sans a priori spécifique et vous avez mesuré un nombre important de variables que vous pensez potentiellement impliquées. Comment trier et garder l’information pertinente ? Venez découvrir deux approches statistiques traditionnelles pertinentes dans ce domaine : la comparaison de modèles et les méthodes de réduction de dimensions.
Objectifs :
• Estimer, comparer et évaluer différents modèles linéaires.
• Estimer les composantes principales, visualiser et interpréter les dimensions pertinentes.
• Évaluer la pertinence de ces modèles.
• Identifier les variables pertinentes à partir des résultats de ces modèles.
Prérequis :
• Quelques notions en statistique (tests de base, modèle de régression linéaire, ANOVA).
• Notions de base en langage R.
• Ordinateur personnel équipé de R (version ≥ 4.0.x), des packages nécessaires (indiqués après inscription) et d’un IDE tel que RStudio.
Possibilité de venir à partir de 13h15 pour une assistance à l’installation des outils.
Une autre session de formation aborde des méthodes issues du machine learning : régressions régularisées, arbres et forêts aléatoires. N’hésitez pas à vous inscrire.
Inscription gratuite mais obligatoire