Ce cours propose une introduction au « machine learning » avec le logiciel R. Le « machine learning » a pour objectif de prédire le comportement d’une variable d’intérêt, comme les ventes ou le chiffre d’affaires, à partir de l’identification d’interactions de facteurs potentiellement pertinents (« predictors ») comme le prix, la qualité, la météo, la publicité. Fondamentalement, les méthodes statistiques employées permettent un apprentissage à partir de données antérieures pour prédire la variable d’intérêt dans le futur.  Le cours présente en premier lieu la base intuitive et l’utilité du « machine learning » pour la prédiction et la prise de décision. Ensuite, nous introduisons différentes approches statistiques telles que l’arborescence (tree-based methods). Celles-ci seront illustrées et pratiquées avec le logiciel R et son interface R-Studio sur des données réelles.

Cette formation est donnée en anglais par le professeur Martin Huber.

Objectifs

Contenu

Cette formation n’est pas prise en compte pour l’obtention de l’Attestation didactique de la HES⁠-⁠SO.