Matière
Mathématiques
Programme
Maîtrise en gestion (M. Sc.)
Lieu
Côte-des-Neiges
Mode d'enseignement
Crédits
3
Description
Ce cours présente les concepts fondamentaux en analyse de données et apprentissage statistique, ainsi que les bases de la modélisation prédictive.
Ce cours présente les méthodes de base et certaines avancées en apprentissage non-supervisé (par exemple technique de réduction de la dimensionnalité, analyse de regroupement) et supervisé (par exemple modèle paramétriques, arbres et forêts aléatoires, boosting). Des exemples d'application en gestion illustrent l'utilisation de ces méthodes.
Thèmes couverts
- Bases de l'apprentissage supervisé et non supervisé.
- Réduction de la dimensionnalité (composantes principales et analyse factorielle).
- Analyse de regroupements hiérarchique et non hiérarchique.
- Bases de la modélisation prédictive : division de l'échantillon validation-croisée bootstrap.
- Modèles paramétriques pour la modélisation prédictive.
- Règles d'association (analyse du panier de la ménagère).
- Méthode de partitionnement récursif de base : CART forêt aléatoire importance des variables boosting d'arbres.
- Autres sujets : machines à vecteur de support méthodes des plus proches voisins analyse de survie de base données manquantes.
Remarques importantes
Cours en anglais : MATH 60603A
Cours non crédité dans la spécialisation intelligence d'affaires.
Cours mutuellement exclusif(s) : MATH 60600(A) et MATH 60602 Vous ne pouvez pas vous inscrire à ce cours si vous avez postulé ou réussi un de ces cours ou si un de ces cours fait partie de votre structure: MATH 60600(A) ou MATH 60602.
Cours mutuellement exclusif(s) : MATH 60600(A) et MATH 60602 Vous ne pouvez pas vous inscrire à ce cours si vous avez postulé ou réussi un de ces cours ou si un de ces cours fait partie de votre structure: MATH 60600(A) ou MATH 60602.