Objectifs :
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 ?
Au cours de cette session, vous découvrirez et expérimenterez trois approches issues du machine learning, efficaces pour sélectionner les variables pertinentes dans le cadre d’analyses exploratoires : les méthodes de régression régularisée (LASSO, Ridge, ElasticNet), les arbres de décision et les forêts aléatoires.

Programme :
Après un retour théorique sur l’analyse exploratoire et la régression linéaire simple et multiple, nous abordons théoriquement les trois méthodes. Chaque partie théorique est entrecoupée d’une partie pratique avec le logiciel R.

Pré-requis :
• Quelques notions en statistique (tests d’hypothèse, modèle de régression linéaire, ANOVA),
• Les notions de base du langage R,
• Un ordinateur personnel équipé de R (version ≥ 4.4.x), des packages nécessaires (indiqués après inscription) et d’un IDE tel que RStudio.

Méthode pédagogique :
Formation alternant parties théoriques (50%) et parties pratiques (50%).

Compétences acquises à l'issue de la formation :
• Estimer et évaluer des modèles linéaires régularisés, des arbres de décision et des forêts aléatoires.
• Identifier les variables pertinentes à partir des résultats de ces modèles.

Les Compétences et capacités visées à l'issue de la formation (fiches RNCP)

Arrêté du 22 février 2019 définissant les compétences des diplômés du doctorat et inscrivant le doctorat au répertoire national de la certification professionnelle. https://www.legifrance.gouv.fr/loda/id/JORFTEXT000038200990/

Bloc 1 : Conception et élaboration d’une démarche de recherche et développement, d’études et prospective

- Disposer d'une expertise scientifique tant générale que spécifique d'un domaine de recherche et de travail déterminé

- Identifier les possibilités de ruptures conceptuelles et concevoir des axes d’innovation pour un secteur professionnel

Bloc 2 : Mise en œuvre d’une démarche de recherche et développement, d’études et prospective

- Mettre en œuvre les méthodes et les outils de la recherche en lien avec l’innovation

- Garantir la validité des travaux ainsi que leur déontologie et leur confidentialité en mettant en œuvre les dispositifs de contrôle adaptés

Bloc 3 : Valorisation et transfert des résultats d’une démarche R&D, d’études et prospective

- Respecter les principes de déontologie et d’éthique en relation avec l’intégrité des travaux et les impacts potentiels

Bloc 4 : Veille scientifique et technologique à l’échelle internationale

- Disposer d’une compréhension, d’un recul et d’un regard critique sur l’ensemble des informations de pointe disponibles

La formation participe à l'objectif suivant :être directement utile pour la réalisation des travaux personnels de recherche