Programme

Alain Celisse (SAMM, Université Paris 1), Python

1- General overview on statistical learning:

Linear model
Least squares minimization
Model selection (penalized criteria and Cross-validation)

2- Visualization:

Density estimation (histograms, kernel density estimators, k-Nearest Neighbors)
Principal Components Analysis

3- Classification:

k-Nearest Neighbors classifier (binary classification)
Logistic regression  (two and more classes)
Gaussian Mixture Models for classification (LDA/QDA)

4- Clustering task:

Gaussian Mixture Models (GMMs)
Density estimation versus Clustering
Parameters estimation and EM-algorithm
Model selection criteria

5- Predictive Models:

LASSO, Group-LASSO, Adaptive LASSO
Ridge/Tichonov regression
Elastic Net
Fused LASSO

6- Variable selection and ensemble methods:

All subset selection
Forward stepwise strategy
Classification and Regression Tree (CART)
 

Alain Celisse (SAMM, Université Paris 1), Python

1- Linear model and High-dimension:

The curse of dimension
How sparsity can help...
LASSO and LARS algorithm
Prediction error
Identification purpose
The effect of the redundancy between variables
Stability selection

2- Dimension reduction:

Estimating the covariance matrix
Hard thresholding approach
Singular Value Decomposition (SVD)
Feature projection techniques:
PCA and low-rank approximation,
Non-negative Matrix Factorization (NMF)
Optimization strategies (Multiplicative updates, Alternative Non-Negative Least Squares, IRWLS)
Spectral clustering :
Similarity measure
Similarity graph
Finding connected components
Spectral gap

3- Support Vector Machines (SVMs):

Separating hyperplane and perceptron algortihm
Maximizing the margin
Support vectors
The Hinge loss
A glance at reproducing kernel through examples
Translating linear classification into an SVM

4- An introduction to Boosting:

Boosting principle and weak learners
Reformulation of the general Boosting algorithm and Adaboost (exponential loss)
Towards Gradient Boosting
 

Fania Dimby (Ingénieure statisticienne sénior, AP-HP), SAS

Chapitre 1 : Rappels de quelques notions élémentaires

Comment mener une étude : un étape préalable qui consiste à tracer le périmètre de l’étude, sur qui porte l’étude ? que faut-il observer ? quand ? comment ? Combien?
Population, échantillon et estimation.
Rappels sur les tests statistiques.
Travaux pratiques sous SAS.

Chapitre 2 : Généralités sur le modèle linéaire.

Introduction.
Le modèle linéaire: définition et hypothèses.
Estimation des paramètres dans le cas général.
Tests fondamentaux et intervalles de confiances.
Test d’une hypothèse linéaire.
Contrôles d’un modèle linéaire.
Panorama sur le modèle linéaire.

Chapitre 3 : Problème spécifiques à la régression linéaire.

Introduction.
La régression linéaire simple.
La régression linéaire multiple.
Etude des colinéarités des variables.
Sélection de variables
Application sous SAS.

Chapitre 4: Problèmes spécifiques à l’analyse de variance et de covariance.

L’analyse de variance à un facteur
Analyse de variance à deux facteurs croisés
Analyse de covariance
Application sous SAS.

Chapitre 5 : Modèles pour données répétées.

Introduction
Analyses préliminaires
Modèles à un facteur à effet fixes pour données repétés
Les structures usuelles de covariances pour R
Cas particulier : la structure « compound symmetry »
Le test de sphéricité de Mauchly

Chapitre 6: Les extensions de l’ANOVA.

Modèles mixtes
Analyses de variance multivariées (MANOVA)
Anova à mesures répétées
Application sous SAS.

Chapitre 7: Introduction aux statistiques non paramétriques.

Préambules
Comparaison des moyennes de deux échantillons indépendants : Test de Wilcoxon - Mann-Whitney (parfois appelé test U de Mann-Whitney).
Comparaison des moyennes de deux échantillons appariés : Test des rangs signés de Wilcoxon (signed rank test)
Comparaison de plusieurs moyennes (ANOVA non-paramétrique) : Test de Kruskal et Wallis .
Application sous SAS.

Jean-Marc Bardet (Directeur SAMM, Université Paris 1), R

Ce cours présente les notions clés pour l’étude pratique de séries temporelles : l’estimation de la tendance et de la composante saisonnière, l’identification de processus ARMA ou GARCH, la prédiction. Plus en détail :

Définitions, stationnarité et premières propriétés
Estimations de la tendance et de la saisonnalité additives
Etude théorique de processus stationnaires : ARMA et GARCH
Estimation, sélection de modèles et tests d’adéquation de processus stationnaires
Prédiction

Laurent Boyer (SAMM, Université Paris 1), Python

Ancien programme : 20 % du cours est constitué de séquences magistrales portant sur quelques algorithmes suffisamment simples pour être travaillés à la fois comme outils (depuis la librairie scikit-learn), mais également recodés par les étudiant.e.s : k-means, agglomerative clustering, SVM, Arbres de décision.

80 % du cours est constitué par un projet de Data appliquée en Python. Les étudiants sont invités à choisir un jeu de données et à mener une étude de bout en bout depuis le nettoyage des data jusqu'aux procédures de validation en passant par les analyses exploratoires. Le calendrier est découpé en sprints d’une ou deux semaines (selon les circonstances). A chaque réunion de sprint, les étudiants sont amenés à faire avec l'enseignant le bilan de leur activité du du sprint écoulé, résoudre les points de blocage, et définir le programme du sprint suivant.

Joseph Rynkiewicz (SAMM, Université Paris 1), R

Ce cours est consacré aux modèles linéaires généralisés et à leurs généralisations. Une grande partie de ce cours traite des modèles catégoriels, où les variables à expliquer sont qualitatives plutôt que quantitatives. Certaines extensions seront aussi étudiées telles que les modèles paramétriques non-linéaires et les modèles de durées. La connaissance de logiciels de statistique sera demandée car le contrôle des connaissances s'articulera autour d'exercices et aussi de projets sur des données réelles.

Plan du cours :

Modèles logistiques :

Données binaires
Modèles logit probit et autres.

Modèles polytomiques :

Données nominales
Données ordinales
Modèles hiérarchiques

Modèles log-linéaires :

Dépendance et indépendance conditionnelle.
Modèles à deux et trois facteurs
Modèles graphiques

Réseaux Bayésiens

Variable de confusion
Factorisation markovienne
Critère de la porte arrière

Modèles de durées :

Définition et exemples
Modèles à hasard proportionnel
Modèles à durée accélérée

Bibliographie :

* A. AGRESTI, An Introduction to Categorical Data Analysis. John Wiley & Sons, Inc., New York, 1996.
* X. GUYON, Statistique et économétrie - Du modèle linéaire aux modèles non-linéaire, Ellipse, 2001
* P. McCULLAGH, J.A. NELDER, Generalized Linear Models, Chapman & Hall, 2nd ed., 1989
* S. LAURITZEN, Graphical Models. The Clarendon Press, Oxford University Press, New York, 1996.

Camille Désiré (Université Paris 1)

Les métiers auxquels forme le master TIDE sont tournés vers l'aide à la prise de décision. Le contexte de ces décisions est complexe et doit s'analyser à des échelles individuelles autant que systémiques. Pour exercer pleinement ces métiers, il est donc nécessaire d'acquérir un œil analytique sur les dynamiques auxquelles ils seront connectés, en particulier l'articulation des intérêts particuliers et collectifs de chaque partie prenante au sein du fonctionnement économique de l'entreprise et de son environnement.

Quelques sujets abordés :

Introduction à une analyse sociologique et constructiviste
Enjeux de l'inclusivité en entreprise
La prise de décision dans le management
Introduction à une lecture analytique des stratégies de communication

Laurence Belis (Université Paris 1)

L'enseignement est un enseignement d'anglais langue étrangère pour spécialistes d'autres disciplines (LANSAD) à visée professionnelle au niveau B2 et C1 du cadre européen.
In English, a content based and learning by doing approach.

Le cours : il s’articule autour de la pratique de l'expression orale en cours. Préparation, lecture ou recherche de documents sont faites en amont ou en aval.
Activités par groupe ou paires, discussions, conseils méthodologiques, rappels selon les besoins de points de grammaire.

Objectifs : savoir présenter, expliquer différents aspects et enjeux du domaine de spécialité, en discuter, argumenter ; savoir parler de soi et de thèmes liés à ce domaine de spécialité dans le cadre d’un entretien ou d’une situation professionnelle.

Un document de références est fourni en début de semestre pour aider au travail en autonomie pendant le semestre ou plus tard (liens vers des sites de révision, pratique de compréhension orale, glossaires, méthodologie, …). Des documents de travail sont proposés au court du semestre en rapport avec les contenus et activités pour préparer les cours à venir, s’entraîner ou approfondir.

Eléments de l’évaluation:

Participation, travail en cours, qualité du travail dans le cadre d’un jeu de rôle par équipe
Évaluation finale en décembre et/ou en janvier :
courte activité orale sous forme d’enregistrement vidéo en décembre, en salle de cours.
Évaluation orale en tête à tête en ligne en décembre ou janvier, quelques créneaux possibles en presence à l’université
Cours le jeudi 11h-13h, de fin septembre à début décembre - 3 ECTS

Now in English

This course is a content based course of English for specific purposes, here professional purposes, it focuses on oral skills. It is intended to help you with your needs in the workplace in particular in relation with your field of studies.

Class time is mostly dedicated to speaking skills with role plays and pair or group work while you do research, reading or listening tasks as homework at Level B2 and C1.

Pour information: les niveaux du Cadre européen commun de référence pour les langues (CECR)

B2 - Niveau Avancé ou Indépendant

Mots clés : compréhension courante et capacité à converser ; émettre un avis, soutenir systématiquement une argumentation.
Peut comprendre le contenu essentiel de sujets concrets ou abstraits dans un texte complexe, y compris une discussion technique dans sa spécialité. Peut communiquer avec un degré de spontanéité et d'aisance tel qu'une conversation avec un locuteur natif ne comporte de tension ni pour l'un ni pour l'autre. Peut s'exprimer de façon claire et détaillée sur une grande gamme de sujets, émettre un avis sur un sujet d'actualité et exposer les avantages et inconvénients de différentes possibilités.

C1 - Niveau Autonome : pour un usage régulier dans des contextes de difficulté raisonnable

Mots clés : s'exprimer spontanément et couramment, assez bonne maîtrise.
Peut comprendre une grande gamme de textes longs et exigeants, ainsi que de saisir des significations implicites. Il peut s'exprimer spontanément et couramment sans trop apparemment devoir chercher ses mots. Peut utiliser la langue de façon efficace et souple dans sa vie sociale, professionnelle ou académique. Peut s'exprimer sur des sujets complexes de façon claire et bien structurée et manifester son contrôle des outils d'organisation, d'articulation et de cohésion du discours.

Référence: https://europa.eu/europass/fr/common-european-framework-reference-language-skills

Benoît Rapoport (Université Paris 1), SAS ou R

Le cours de Modélisation micro-économique est essentiellement un cours méthodologique visant à apprendre à concevoir et à réaliser une étude microéconomique.
Une attention particulière est portée au questionnement de fond et à la signification des résultats, les outils techniques n’étant ici que des instruments permettant de répondre à une problématique donnée.
Les étapes suivantes seront décrites en détail et appliquées à différentes problématiques toutes centrées sur l’Enquête Patrimoine 2009/2010 de l’Insee.

Discussion du contexte économique de l’étude ; énoncé de faits stylisés ; formulation d’hypothèses sur la base de la théorie économique
Etude de la littérature pertinente
Présentation des données
Etude descriptive en s’appuyant sur les données
Présentation de la méthode d’estimation
Estimation des paramètres et tests
Discussion et conclusion
Nous reviendrons rapidement, lorsque c’est nécessaire, sur les outils économétriques utilisés (économétrie linéaire, économétrie des variables qualitatives, modèles de durée) en insistant sur l’interprétation des résultats et des tests statistiques. Les applications sont essentiellement faites sous SAS et accessoirement sous Stata.

L’évaluation consistera à proposer et réaliser une étude de microéconomie appliquée, en petits groupes. Le choix du logiciel utilisé est libre (SAS, Stata ou R).

Marion Wilthien (Decision Network), SAS/R

Description

Dans ce cours de 18 heures, les étudiants apprendront à analyser et à présenter des données en utilisant les langages de programmation R et SAS. Les étudiants auront la possibilité de choisir entre R et SAS pour chaque module, et seront associés à la production des activités sur chaque module de cours.Un projet final sur données réelles sera donné aux étudiants pour une évaluation finale en fin de premier semestre.

Chap 1 : Exploration des données

Connaître les structures de tables en SAS et en R
Analyser les métadonnées et types de variables
Vérifier les premières lignes et les dimensions d’un jeu de données

Chap 2 : Statistiques descriptives

Savoir produire des statistiques descriptives de base.
Interpréter la moyenne, la médiane, les quartiles et la distribution
Chap 3 : Tableaux de fréquences et croisements

Produire des tableaux de fréquences simples et cumulées
Générer des tableaux croisés pour comparer plusieurs variables
Mettre en évidence des proportions et des pourcentages
Chap 4 : Sorties HTML, Word, Excel, Powerpoint, PDF

Exporter les résultats sous plusieurs formats (HTML, Word, Excel, PowerPoint, PDF)
 

Chap 5 : Reporting Automatisé

Apprendre à générer des rapports tabulaires automatisés
Produire des tableaux enrichis avec regroupements, agrégations et mise en forme conditionnelle

Chap 6 : Graphiques

Savoir créer différents types de graphiques : histogrammes, courbes, diagrammes en barres, camemberts, cartes géographiques.

Évaluation

25% : Production d'une activité en R ou SAS sur un des 4 modules
75% Projet final en groupe en fin de semestre sur données réelles (le projet sera donné au plus tard en novembre)
Dans ce cours de 18 heures, les étudiants apprendront à analyser et à présenter des données en utilisant les langages de programmation R et SAS. Les étudiants auront la possibilité de choisir entre R et SAS pour chaque module, et seront associés à la production des activités sur chaque module de cours.Un projet final sur données réelles sera donné aux étudiants pour une évaluation finale en fin de premier semestre.

Francis Wolinsky (Yotta Conseil), Python

1. Introduction à Python pour la data science et à panda

Ecosystème Python pour la Data Science
Présentation de la méthodologie CRISP-DM
Introduction à pandas
Series et DataFrame
2. Parsing XML, Web scraping et API

Parsing XML: lxml
Web scraping : pandas, beautifulsoup
API
3. Traitement des données

Traitement des données dupliquées
Renommage des colonnes
Traitement des valeurs manquantes
Remplacement de valeurs
Conversion des types numériques et temporels
Extraction d'informations
4. Manipulation de données avancées, analyses simples

Méthodes de reshaping (1)
Combiner les données
Stratégie split-apply-combine
Index hiérarchiques
Méthodes de reshaping (2)
5. Séries temporelles et visualisation

Séries temporelles
Graphiques avec pandas
Graphiques avec matplotlib
Graphiques avec seaborn

Abdelhamid Cheraga (École des hautes études en sciences sociales) Python numérique et numpy

Clément Riberio (Inflow)