Teaching (mostly in French)
Enseignement 2023-2024
Cours en M2
Fondements de la science de données 2 (36h) - M2 Institutions, Organisations, Economie et Société (IOES), Université Paris Dauphine PSL
Time series and anomaly detection (24h, in English) - M2 Digital Economics, Université Paris Dauphine PSL
Cours en M1
Business intelligence (60h) - M1 Contrôle, Audit et Reporting Financier (CARF), Université Paris Dauphine PSL
Cours en formation continue
Apprentissage non-supervisé (15h) - Executive Master Statistique & Big Data, Université Paris Dauphine PSL
Programme :
deux séances sur le clustering (principes, clustering hiérarchique, k-means et variantes, modèles à variable latente et algorithme EM).
une séance sur la projection non-linéaire (MDS et lien avec l'ACP, kernel PCA, Isomap, t-SNE, ...).
une séance sur la détection d'anomalies (distance de Mahalanobis, statistiques robustes, LOF et variantes, one-class SVM, Isolation Forest, ...).
Mise en pratique sous R.
Enseignements anciens (à partir de 2020)
Fondements de la science de données 1 (36h) - M1 Institutions, Organisations, Economie et Société (IOES), Université Paris Dauphine PSL
Séries temporelles (12h) - Parcours de M2 Histoire, Sciences Numériques et Quantitatives, Université Paris 1 Panthéon Sorbonne
Session 1 - Introduction to networks and graphs. Slides and R practical.
Session 2 - Centrality indices and spectral properties. Slides and R practical.
Session 3 - Community detection and graph clustering. Slides and R practical.
Session 4 - Random graph models and permutation tests. Slides and R practical.
Session 5 - Stochastic block model. Slides and R practical.
Session 6 - Epidemics spreading on networks. Slides and R practical.