Descriptif

Ce cours propose une introduction aux principales techniques d'apprentissage statistique, supervisé et non supervisé, utilisées dans l'analyse des données multivariées.
Ces méthodes sont particulièrement adaptées pour des problèmes et applications en sciences du vivant.
Dans le cadre de l’apprentissage supervisé, qui vise à fournir des outils de modélisation et d’interprétation de données étiquetées, nous aborderons des méthodes de prédiction et de classification telles que le modèle linéaire, la régression logistique et la méthode des k plus proches voisins. Nous apprendrons à ajuster ces modèles aux données et à les utiliser pour faire des prédiction pour des nouvelles données non étiquetées. Une attention particulière sera portée à
l’évaluation des modèles prédictifs. Nous verrons également comment utiliser les tests statistiques dans les modèles statistiques pour évaluer la significativité des variables explicatives et guider l'interprétation des résultats.
Concernant l’apprentissage non supervisé, dont l’objectif est de faciliter l’exploration et la visualisation des données, le cours couvrira des techniques telles que le clustering (K-moyennes, classification ascendante hiérarchique) et la réduction de dimension (analyse en composantes principales). Ces méthodes permettent notamment de mettre en évidence des structures sousjacentes dans les données, telles que des groupes homogènes ou des directions principales de variation.
Les différentes méthodes seront illustrées sur de nombreux exemples de données en sciences du vivant.
Cette UE comprend des cours magistraux, des travaux dirigés et des travaux pratiques sur le logiciel R. Une autoformation pour acquérir les bases du langage R est proposée en début de semestre.
L’évaluation de l’UE se compose d’un partiel écrit et d’une soutenance orale d’un projet réalisé en groupes de trois étudiant·e·s.