formations

MOOC Analyse de données multidimensionnelles

Descriptif de la formation

Ce cours vise à comprendre, mettre en œuvre et interpréter les résultats des méthodes fondamentales d'analyse exploratoire multidimensionnelle des données : ACP, AFC, ACM, classification et AFM. Il a été conçu pour ceux qui, sans être statisticiens, sont confrontés à l'analyse statistique de données : enquêtes d'opinion, marketing, biologie, écologie, géographie, etc. Il s'agit de comprendre et d'appliquer les méthodes fondamentales d'analyse exploratoire multidimensionnelles des données.


Photo



Pré-requis

Ce cours est destiné aux étudiants et professionnels ayant un niveau master et/ou un background dans une discipline scientifique notamment avec des connaissances de base en statistique : coefficient de corrélation, test du Chi2, analyse de variance à un facteur.

Une initiation au langage R est suffisante pour la mise en œuvre concrète des méthodes.


Contenu de la formation

Semaine 1 : Analyse en composantes principales
Semaine 2 : Analyse factorielle des correspondances
Semaine 3 : Analyse des correspondances multiples
Semaine 4 : Classification
Semaine 5 : Analyse Factorielle Multiple


Compétences visées

À la fin de ce cours, vous serez capable de :

- résumer et synthétiser des tableaux de données par des graphes simples ;
- utiliser des méthodes de visualisation adaptées à l'analyse exploratoire multidimensionnelle ;
- interpréter les résultats d'une analyse factorielle et d'une classification ;
- reconnaître, par rapport à la problématique et aux données, la méthode adaptée à l'exploration d'un jeu de données selon la nature et la structure des variables ;
- analyser les réponses à une enquête ;
- mettre en œuvre une méthode d'analyse de données textuelles
- mettre en œuvre les méthodes factorielles et de classification sur le logiciel gratuit R

En résumé, vous serez autonome sur la mise en œuvre et l'interprétation d'analyses exploratoires multidimensionnelles.


Débouchés

Orientation dans une formation de master en sciences et technologies.