In this introductory video, the speaker invites students, researchers, and industry professionals to a MOOC on exploratory multidimensional data analysis. He explains that modern scientific and industrial work increasingly requires statistical analysis of large, complex data tables from fields such as sociology, biology, geography, ecology, and economics. The course is built around two complementary pillars: multidimensional analysis—simultaneously examining many variables to gain deeper insight—and visualization—displaying individuals (rows) and variables (columns) to detect sub‑populations and variable relationships. The MOOC will cover four core methods, taught primarily through geometric intuition and illustrated with real‑world datasets and exercises. By the end of the course, learners are expected to be autonomous in implementing and interpreting exploratory multidimensional analyses.
Chapters
Bonjour, 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 industriel ou tout simplement curieux de comprendre comment synthétiser, hiérarchiser, communiquer une information complexe contenue dans de gros tableaux de données issus par exemple d'enquêtes d'opinion, de la sociologie, de la biologie, de la géographie, de l'écologie, de l'économie, etc. L'analyse de données propose plusieurs méthodes permettant de traiter ce type de tableau. Ces méthodes peuvent être caractérisées par 2 termes: le terme multidimensionnel et visualisation. Multidimensionnel signifie que l'on va analyser simultanément plusieurs questions ou variables. L'analyse simultanée de ces questions ou variables va permettre d'avoir une compréhension beaucoup plus fine, beaucoup plus profonde du phénomène étudié comparé à une étude successive des variables prises une à une. Le deuxième terme qui caractérise l'analyse de données est le terme de visualisation. On va visualiser les lignes et les colonnes du tableau de données, c'est-à-dire le plus souvent les individus statistiques et les variables. Existe-t-il des sous-populations d'individus et si oui peut-on les décrire et les caractériser par les variables? Peut-on comprendre les liaisons entre variables en s'aidant des individus? La richesse des méthodes d'analyse de données réside dans la complémentarité de ces 2 visualisations. Dans ce MOOC, nous présenterons 4 méthodes de base de l'analyse de données qui ont un fort potentiel d'application. Pour ce faire, nous ferons appel à l'intuition et raisonnerons principalement de façon géométrique. Nous illustrerons chaque notion par des exemples issus de jeux de données réelles et des exercices permettront également de parfaire votre compréhension des méthodes. L'objectif est qu'à la fin du MOOC vous soyez autonome dans la mise en œuvre et l'interprétation d'analyses exploratoires multidimensionnelles. Alors n'hésitez pas à vous inscrire et nous rejoindre sur ce MOOC. À bientôt!
