Links

Department of Statistics
and Computer Science










3 MOOCs

2 MOOCS in French and 1 MOOC in English

MOOC d'analyse de données (in French)

MOOC (Massive Open Online Course) disponible sur la plateforme FUN et suivi par plus de 20 000 personnes sur 4 sessions (1ère session en 2015). Les sessions sont jouée en férvier-mars tous les ans, vous pourrez vous inscrire sur FUN.
Notez que des allusions à des quiz ou exercices sont données, mais ceux-ci sont uniquement disponibles dans le MOOC joué sur FUN.
Ce cours complet est un module qui nécessite environ 30h d'apprentissage.

1. Analyse en composantes principales (ACP) 

  1. Données - problématiques
  2. Etude des individus et des variables 
  3. Aides à l'interprétation 
  4. L'ACP avec FactoMineR 
  5.  Graphes interactifs avec Factoshiny 
  6. Gestion des données manquantes en ACP

2. Analyse des correspondances (AFC) 

  1. Données - problématique et modèle d'indépendance 
  2. Visualisation des nuages de lignes et de colonnes 
  3. Inertie et pourcetnage d'inertie 
  4. Représentation simultanée 
  5. Aides à l'interprétation 
  6. L'AFC avec FactoMineR 
  7. Etude de cas : analyse textuelle 

3. Analyse des correspondances multiples (ACM) 

  1. Données - problématiques
  2. Etude des individus
  3. Etude des modalités
  4. Aides à l'interprétation
  5. ACM avec FactoMineR
  6. Gestion des données manquantes en ACM

4. Classification 

  1. Classification ascendante hiérarchique
  2. Exemple et choix du nombre de classes
  3. Méthode de partitionnement et complémentarité avec la CAH
  4. Caractérisation des classes d'individus
  5. Classification avec FactoMineR
  6. Caractérisation des classes avec FactoMineR

5. Analyse Factorielle Multiple (AFM)

  1. Données - problématiques
  2. Equilibre et ACP globale
  3. Etude des groupes de variables
  4. Compléments (données qualitatives, fréquences, aides à l'interprétation)
  5. L'AFM avec FactoMineR

Pour conclure

Course on Exploratory Multivariate Data Analysis (in English)

This course is a complete course on Exploratory Multivariate Data Analysis (links in blue correspond to the course video, links in brown correspond to the software tutorials).

1. Principal Component Analysis (PCA) 

  1. Data - practicalities
  2. Studying individuals and variables
  3. Interpretation aids
  4. PCA with FactoMineR 
  5. Factoshiny: interactive graphs in exploratory multivariate data analysis 
  6. Handling missing values in PCA

2. Correspondence Analysis (CA) 

  1. Introduction
  2. Visualizing the row and column clouds
  3. Inertia and percentage of inertia
  4. Simultaneous representation
  5. Interpretation aids
  6. CA with FactoMineR 
  7. Text mining with correspondence analysis 
  8. Slides on the CA course

3. Multiple Correspondence Analysis (MCA) 


4. Clustering

  1. Introduction
  2. Example and how to choose the number of clusters
  3. The partitioning method K-means
  4. Characterizing clusters
  5. Clustering with FactoMineR

5. Multiple Factor Analysis

  1. Introduction
  2. Weighting and global PCA
  3. Study of the groups of variables
  4. Complements: qualitative groups, frenquency tables
  5. MFA with FactoMineR

To conclude

MOOC de sensométrie (in French)

Cet ensemble de vidéos propose un cours de sensométrie.
Recueil de données chocolat : fiche descriptive

1. Introduction

  1. Introduction à la sensométrie
  2. Plans d'expériences en analyse sensorielle
  3. Installation de R et SensoMineR
  4. Importation de données
  5. Plans d'expériences avec SensoMineR

2. Caractérisation de produits

  1. Présentation du jeu de données chocolat
  2. Modèle d'analyse de variance en sensométrie
  3. Caractérisation de produits
  4. Mise en oeuvre avec SensoMineR

3. Evaluation de la performance d'un jury

  1. Cours
  2. Mise en oeuvre avec SensoMineR

4. Construction d'un espace produits

  1. Cours
  2. Mise en oeuvre avec SensoMineR

5. Cartographie des préférences

  1. Cours
  2. Mise en oeuvre avec SensoMineR

6. Analyser des données de catégorisation

  1. Cours
  2. Mise en oeuvre avec SensoMineR