Passer au contenu principal
FUN MOOC
  • FAQ
  • Accueil
  • Actualités
  • Cours
  • GRADEO
  • Diplômes
  • Etablissements
  • Vous êtes ici:
  • Accueil
  • Cours
  • Analyse des données multidimensionnelles

Analyse des données multidimensionnelles

Réf. 40001
CatégorieCertifiantCatégorieMathématiques et statistiquesCatégorieOutils pour la recherche
  • Durée : 5 semaines
  • Effort : 25 heures
  • Rythme: Auto-rythmé
Ce cours vise à comprendre, mettre en oeuvre et interpréter les résultats des méthodes fondamentales d'analyse exploratoire multidimensionnelle des données : ACP, AFC, ACM, classification et AFM.

2 sessions sont actuellement ouvertes pour ce cours

Choisir maintenant

Ce que vous allez apprendre

À la fin de ce cours, vous saurez :

  • 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 oeuvre une méthode d'analyse de données textuelles
  • mettre en oeuvre 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.

Description

Ce MOOC a été conçu pour ceux qui, sans être statisticiens, sont confrontés à l'analyse statistique de données. Tous les domaines où l'on recueille des données sont concernés : enquêtes d'opinion, marketing, biologie, écologie, géographie, etc

Ce cours vise à comprendre et appliquer les méthodes fondamentales d'analyse exploratoire multidimensionnelles des données. fondamentales de l'analyse des données : analyse en composantes principales, analyse factorielle des correspondances, analyse des correspondances multiples, classification ascendante hiérarchique. Une extension vers l'analyse factorielle multiple permettra d'aborder le traitement de données plus complexes.

Format

Conçu en vue des applications, ce cours donne une large place aux exemples et à la mise en œuvre logicielle (logiciel FactoMineR et Factoshiny de R). La présentation des méthodes recourt le moins possible au formalisme mathématique en privilégiant l'approche géométrique.

Prérequis

Ce MOOC a été conçu pour ceux qui, sans être statisticiens, sont confrontés à l'analyse statistique de données. Tous les domaines où l'on recueille des données sont concernés : enquêtes d'opinion, marketing, biologie, écologie, géographie, etc.

Ce cours est destiné aux étudiants et professionnels ayant un niveau master et/ou un background dans une discipline scientifique.

Des connaissances de base en statistique sont nécessaires : coefficient de corrélation, test du Chi2, analyse de variance à un facteur.

Enfin, une initiation au langage R est suffisante pour la mise en œuvre concrète des méthodes.

Evaluation et Certification

Pour suivre ce cours, vous avez le choix entre deux formules : le parcours découverte et le parcours certifiant.

Parcours découverte : si vous optez pour ce parcours, vous aurez accès aux vidéos, aux quiz et exercices auto-corrigés et aux échanges dans le forum. Ce parcours ne donnera pas lieu à la délivrance d'une attestation. L'inscription est gratuite.

Parcours certifiant : en complément des activités proposées dans le parcours découverte, le parcours certifiant vous permettra d'obtenir un certificat. Pour cela, vous devrez suivre un examen surveillé à distance d'une durée limitée, consistant en questions à choix multiples (QCM) et d'obtenir 50% de bonnes réponses.

Plan de cours

    • Données, problématique et exemples
      Recherche d'une représentation des individus
      Interprétation de la représentation des individus grâce aux variables
      Représentation des variables
      Aides à l'interprétation
      Mise en œuvre sous FactoMineR
    • Données, notations, questions
      Liaison et indépendance entre deux variables qualitatives
      Comment l'AFC appréhende-t-elle l'écart à l'indépendance ?
      Nuages des lignes et des colonnes et leur représentation
      Pourcentages d'inertie et inerties en AFC
      Représentation simultanée des lignes et des colonnes
      Aides à l'interprétation
      Mise en œuvre sous FactoMineR
    • Données, objectifs et problématique
      Transformation du tableau des données
      Représentation des individus
      Représentation des modalités comme aide à l'interprétation de la représentation des individus
      Nuage des modalités et sa représentation optimale
      Représentation simultanée des deux nuages
      Interprétation des valeurs propres
      Représentation des variables
      Aides à l'interprétation
      Tableau de Burt
      Mise en œuvre sous FactoMineR
    • Données, définitions
      Principe de construction d'un arbre hiérarchique
      Algorithme de partitionnement : les K-means
      Consolidation des classes
      Classification sur données de grande dimension
      Analyse factorielle et classification
      Caractérisation des classes d'individus
      Mise en œuvre sous FactoMineR
    • Données, problématique
      Equilibre des groupes et choix d'une pondération des variables
      Etude et représentation des groupes de variables
      Représentation des points partiels
      Représentation des analyses séparées
      Prise en compte de groupes de variables qualitatives
      Prise en compte de tableaux de contingence
      Aide à l'interprétation
      Mise en œuvre sous FactoMineR

Sessions de cours

Inscription
Du 9 janvier 2023 au 22 avril 2023
Cours
Du 1 mars 2023 au 19 mai 2023
Langues
Français
Inscription
Du 17 janvier 2023 au 22 avril 2023
Cours
Du 1 mars 2023 au 19 mai 2023
Langues
Anglais

Archivé

  • Du 2 mars 2015 au 7 avril 2015
  • Du 4 mars 2019 au 14 mai 2019
  • Du 2 mars 2020 au 9 juillet 2021
  • Du 3 mars 2021 au 17 mai 2021
  • Du 3 mars 2021 au 12 mai 2021
  • Du 7 mars 2022 au 11 mai 2022
  • Du 7 mars 2022 au 12 mai 2022

Équipe pédagogique

François Husson

Catégories

Mathématiques et statistiques
Professeur de statistique au département de mathématiques appliquées de l'institut Agro (Agrocampus Ouest Rennes), François Husson enseigne l'analyse des données auprès d'auditeurs variés, en particulier non mathématiciens. Il est auteur du livre "Analyse de données avec R" traduit en anglais et en espagnol et du livre "R pour la statistique et la science des données". Il est également le créateur de plusieurs packages R, dont les packages FactoMineR et Factoshiny.

Magalie Houée-Bigot

Catégories

Mathématiques et statistiques
Ingénieure en science des données au département de mathématique appliquées de l'institut Agro (Agrocampus Ouest Rennes), elle enseigne notamment l'analyse de données multidimensionnelle aux élèves ingénieur et en formation continue. Elle développe également des packages sur le logiciel R.

Établissements

L'Institut Agro Rennes-Angers

Agreenium

Licence

Licence pour le contenu du cours

Attribution - Pas d’Utilisation Commerciale - Pas de Modification

Vous êtes autorisé à :

  • Partager — copier, distribuer et communiquer le matériel par tous moyens et sous tous formats

Selon les conditions suivantes :

  • Attribution — Vous devez créditer l'oeuvre, intégrer un lien vers la licence et indiquer si des modifications ont été effectuées à l'oeuvre. Vous devez indiquer ces informations par tous les moyens raisonnables, sans toutefois suggérer que l'offrant vous soutient ou soutient la façon dont vous avez utilisé son oeuvre.
  • Pas d’Utilisation Commerciale — Vous n'êtes pas autorisé à faire un usage commercial de cette oeuvre, tout ou partie du matériel la composant.
  • ​​​​​​​Pas de modifications — Dans le cas où vous effectuez un remix, que vous transformez, ou créez à partir du matériel composant l'oeuvre originale, vous n'êtes pas autorisé à distribuer ou mettre à disposition l'oeuvre modifiée.

Licence pour le contenu créé par les participants du cours

Tous droits réservés

"Tous droits réservés" est une formalité du droit d'auteur indiquant que le détenteur du droit d'auteur se réserve, ou détient pour son propre usage, tous les droits prévus par la loi sur le droit d'auteur.

FacebookTwitterLinkedin

En savoir plus

  • Aide et Contact
  • A propos de FUN
  • Foire aux questions
  • Mentions légales
  • Politique de confidentialité
  • Infolettres
  • Charte utilisateurs
  • Conditions générales d'utilisation
  • Accessibilité : partiellement conforme
  • Plan de site
  • Gestion des cookies
Propulsé par Richie