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.