MOOC analyse de données multidimensionnelles (session mars 2016)

8 Dec 2015 · 2 min

Watch on YouTube

2:06

Cette introduction, présentée par le formateur du MOOC, s’adresse aux étudiants, chercheurs, industriels et curieux confrontés à de grands jeux de données provenant de domaines variés (sociologie, écologie, biologie, géographie, économie, etc.). Le cours propose d’explorer plusieurs méthodes d’analyse multidimensionnelle à fort potentiel d’application, capables de prendre en compte simultanément de nombreuses variables pour offrir une compréhension plus fine des phénomènes étudiés. L’accent est mis sur la visualisation, à la fois sous forme de nuages d’individus et d’arbres hiérarchiques, dont la complémentarité renforce l’interprétation. Chaque méthode est illustrée par des exemples réels, accompagnée d’intuitions, de quiz et d’exercices pratiques sur des jeux de données concrets, afin de développer la capacité à mettre en œuvre les outils logiciels et à interpréter les résultats. L’objectif final du MOOC est que les participants deviennent autonomes dans l’application et l’interprétation des techniques d’analyse multidimensionnelle.

Chapters

Bonjour et bienvenue dans cette nouvelle édition du MOOC d'analyse de données multidimensionnelles. Vous êtes étudiant, chercheur d'une discipline scientifique au sens large et vous êtes de plus en plus souvent confronté à l'analyse statistique de données. Ou vous êtes un industriel ou tout simplement curieux de comprendre comment extraire ou synthétiser une information complexe contenus dans de gros tableaux de données issus par exemple d'enquêtes d'opinion, de la sociologie, de l'écologie, de la biologie, de la géographie, de l'économie, etc. Dans ce MOOC, nous présenterons plusieurs méthodes d'analyse exploratoire multidimensionnelle qui ont pour caractéristique commune d'avoir de très forts potentiels d'application. Elles permettent également de prendre en compte simultanément l'effet de nombreuses variables, ce qui permettra d'avoir une compréhension beaucoup plus fine, beaucoup plus profonde du phénomène étudié, comparé à une étude successive des variables prises une à une. Un autre aspect important de ces méthodes d'analyse exploratoire est la visualisation. On va chercher à visualiser un ensemble d'individus par un nuage d'individus ou par un arbre hiérarchique et à visualiser un ensemble de variables. La complémentarité de ces 2 visualisations fait la force de ces méthodes d'analyse exploratoire multidimensionnelle. Nous présenterons chaque méthode à partir d'exemples réels et ferons le plus souvent appel à l'intuition pour décrire le fonctionnement de ces méthodes. Des quiz et exercices issus de jeux de données réelles vous permettront d'une part de mettre en œuvre ces méthodes sur logiciel et d'autre part de comprendre comment interpréter les résultats de telles analyses. L'objectif est qu'à la fin du MOOC, vous soyez autonomes dans la mise en œuvre et l'interprétation des résultats de ces méthodes d'analyse de données. N'hésitez pas à vous inscrire et nous rejoindre sur ce MOOC. À bientôt!