Descriptif

L'objectif de ce cours est de donner aux étudiants une introduction complète à l'analyse non-supervisée (réduction de dimension et clustering) et d'acquérir des compétences solides et pratiques pour l'analyse exploratoire des jeux de données actuels, en s'appuyant sur le logiciel R.

Le cours commence par deux séances présentant les fondements de la programmation avec le langage R, ainsi que la manipulation de données et les bibliothèque de représentation graphiques du 'tidyverse'. Les capacités d'interçage de R avec Python sont également abordées.

Le cours présente ensuite les méthodes classiques de réduction de dimension et de clustering dans le détail (ACP, modèles de mélange, k-means, CAH), en abordant plus brièvement les nombreuses approches les généralisant (approches kernel, embedding, etc.).

Enfin, la troisième partie du module propose aux étudiants une série de jeux de données à étudier en groupe à l'aide des méthodes du cours et leurs généralisation. Ces projets constitueront l'essentiel de l'évaluation de ce module.