Le cours est composé des principales parties suivantes : 1. Introduction à la science des données ; 2. Modèles de séries temporelles (AR, MA, ARMA) ; 3. Approches descriptives multivariées (analyse en composantes principales et ses variantes et extensions, divers algorithmes de classification) ; 4. Modèles de régression (régressions simple et multiple, choix de modèles, sélection de variables, méthode pas-à-pas, ANOVA) ; 5. Introduction aux méthodes d’apprentissage automatique (réseaux de neurones et arbres de régression). Bien que les approches et techniques présentées sont applicables à une grande variété de domaines, des applications environnementales seront traitées. Le logiciel R sera utilisé, mais d’autres logiciels sont permis comme Python.
- Enseignant: Jérémie Boudreault
- Enseignant: Fateh Chebana