Développement et intégration de savoirs hautement spécialisés

MR123B23
Développement et intégration de savoirs hautement spécialisés

Description

Mobiliser des savoirs hautement spécialisés, dont certains sont à l’avant-garde du savoir dans un domaine de travail ou d’études, comme base d’une pensée originale
Développer une conscience critique des savoirs dans un domaine et/ou à l’interface de plusieurs domaines
Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines
Apporter des contributions novatrices dans le cadre d’échanges de haut niveau, et dans des contextes internationaux
Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d’une demande ou d’une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la réglementation

-Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques
- Mesurer la liaison entre deux variables
- Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation                                                                                                                                                            - Explorer, décrire et interpréter des données dans leur aspect multidimensionnel 
- Produire des études statistiques en mettant en œuvre les techniques de projection (ACP, AFC, etc.) et de classification
- Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics
- Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics
- Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire
- Prévision à court-terme des séries temporelles

En utilisant les concepts de la théorie des sondages :
- définir un plan de sondage (méthode et algorithme) adapté au problème posé
- déterminer par le calcul la précision des estimateurs (moyenne, total, proportion) issus d'une enquête par sondage
- employer des variables auxiliaires pour améliorer la qualité des estimateurs d'imputation à partir de la correction de la non-réponse partielle
- déterminer les données à re-pondérer afin de corriger la non-réponse totale
- mettre en place des stratégies d'imputation afin de corriger de la non-réponse partielle
- maitriser les techniques d'échantillonnage et connaitre et maitriser les biais et sources d'erreur

-Mettre en pratique les langages d'interrogation de bases de données multidimensionnelles en vue d'offrir une aide à la décision et permettre à un décideur d’avoir une vue d’ensemble de l’activité traitée
- Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, des données spatiales, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images
- Extraire des informations pertinentes à partir de données hétérogènes
 

Public

X

Nombre d’ECTS
72
Domaine
Modélisation ingénierie mathématiques &t statistique
Code répertoire
RNCP34039BC02
Date de début de validité

Unités d'Enseignement requises

STA211 : Entreposage et fouille de données ( 9 ECTS)

Nombre d'heures : 90.00

STA108 : Enquêtes et sondages ( 9 ECTS)

Nombre d'heures : 90.00

Connaître la pratique des enquêtes par sondage et comprendre les théories sous-jacentes à la collecte et à la production des résultats.

STA110 : Modélisation statistique ( 9 ECTS)

Nombre d'heures : 90.00

Maîtriser les outils de la modélisation statistique (sélection de modèles, validation, interprétation) dans un contexte général (données continues, discrètes, qualitatives, mixtes) via l'utilisation de méthodes paramétriques (modèles linéaires et modèle linéaire généralisé) ou non-paramétriques.

STA112 : Statistique spatiale ( 6 ECTS)

Nombre d'heures : 60.00

Maitriser les méthodes d'analyse de données spatiales et les outils de traitement de données.

RCP216 : Ingénierie de la fouille et de la visualisation de données massives ( 6 ECTS)

Nombre d'heures : 60.00

Cet enseignement s'intéresse à l'impact des caractéristiques des données massives (volume, variété, vélocité) sur les méthodes de fouille de données.

STA201 : Analyse multivariée approfondie ( 9 ECTS)

Nombre d'heures : 90.00

Approfondir les méthodes statistiques d'analyse exploratoire, de régression et de classification

STA106 : Plans d'expériences ( 6 ECTS)

Nombre d'heures : 60.00

Les plans d'expériences couvrent des phénomènes de type "boîte noire" que l'on cherche à "éclaircir" pour mieux en comprendre le fonctionnement et en optimiser les performances.

9 ECTS - Une UE à choisir parmi

STA212 : Données catégorielles ( 9 ECTS)

Nombre d'heures : 90.00

Permettre aux ingénieurs, cadres d'entreprises ou d'administrations, médecins, chercheurs, de construire des modèles explicatifs de variables qualitatives. Le cours s'appuie sur la pratique du logiciel R.

STA215 : Méthodes statistiques pour l'analyse des durées de vie : fiabilité/survie ( 9 ECTS)

Nombre d'heures : 90.00

  • Définir le champ et les principaux outils des phénomènes de durée de vie
  • Présenter et faire appliquer les méthodes modernes d'analyse statistique des phénomènes de durée de vie,
  • Fournir aux auditeurs les moyens d'appréhender les aspects de survie, de la fiabilité des systèmes