Lyon (69) - La modélisation en santé végétale : des grands principes aux outils...
09/11/23
Lire la suite
Data Science pour l'agriculture (automne 2023)
Objectifs
- Acquérir les bases permettant de manipuler les principales méthodes de data science pour des objectifs de prédiction
- Appréhender la pratique réelle de ces méthodes au travers d’exemples et de travaux pratiques avec le logiciel R
Public
Ingénieurs et chercheurs travaillant dans les domaines de l’agriculture et de l’environnement.
Pré-requis
- connaissances de base du logiciel R
- maîtriser les méthodes de base de régression
- avoir un compte google pour utilisation de google colab
L’inscription à la formation est validée par un questionnaire de positionnement.
Programme et déroulé
Le programme détaillé sera prochainement en ligne, voici les principales thématiques abordées :
- Méthodes de régression (pénalisée, PLS,GAM, sélection)
- Arbres et random forest
- Méthodes d’évaluation (qualité de prédiction)
- Introduction Google Colab et Python
- Réseau de neurones et extension multicouche
- Réseau de neurones et convolutions
- Data mining
Moyens pédagogiques
- Exposés, échanges et quizz
- Travaux pratiques personnels
Moyens d’évaluation
- Questionnaire de positionnement
- Évaluation des compétences acquises lors de la formation par des quizz et des exercices pratiques individuels
- Évaluation de la formation par un questionnaire de satisfaction
Ressources pédagogiques
- PDF de la formation fourni en début de session
- Ouvrage collectif « Data science pour l’agriculture et l’environnement – Méthodes et applications avec R et Python » Editions Ellipses
Moyens de suivi et formalisation à l’issue de la formation
- Émargement par ½ journée
- Certificat de réalisation transmis par courriel à l’issue de la formation
Équipements nécessaires
Ordinateur portable avec accès internet.