[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-963888","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  M\u00e9thodes  de r\u00e9gression avanc\u00e9es\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          5\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n          Annualis\u00e9\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n                                      \u003Cspan\u003E21\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                              \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux dirig\u00e9s :\u003C\/span\u003E\n                                      \u003Cspan\u003E21\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n                    \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ECette UE couvre les techniques avanc\u00e9es de r\u00e9gression, des mod\u00e8les lin\u00e9aires classiques aux approches p\u00e9nalis\u00e9es et non lin\u00e9aires, avec un accent particulier sur les m\u00e9thodes statistiques et l\u2019\u00e9valuation des mod\u00e8les. Plus pr\u00e9cis\u00e9ment, le cours d\u00e9veloppe les th\u00e8mes suivants. R\u00e9gression lin\u00e9aire multiple et comparaison de mod\u00e8les : rappel sur la r\u00e9gression lin\u00e9aire multiple; tests entre mod\u00e8les embo\u00eet\u00e9s (test de Fisher, test de vraisemblance) R\u00e9gression lin\u00e9aire et h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 : impact de l\u0027h\u00e9t\u00e9rosc\u00e9dasticit\u00e9 sur l\u2019estimation des coefficients; m\u00e9thodes de correction et estimation robuste; introduction aux mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (GLM). R\u00e9gularisation et r\u00e9gressions p\u00e9nalis\u00e9es : principe de la p\u00e9nalisation en r\u00e9gression; r\u00e9gression LASSO : s\u00e9lection de variables et parcimonie; r\u00e9gression ridge : contr\u00f4le du sur-ajustement; r\u00e9gression ElasticNet : compromis entre LASSO et ridge. R\u00e9gression PLS et m\u00e9thodes en grande dimension. R\u00e9gressions non lin\u00e9aires et bases de splines.\u003C\/p\u003E\n\u003Cp\u003ECette UE est partiellement mutualis\u00e9e avec le M2 ISADS. Les \u00e9tudiants du M2 Math\u0026amp;AS b\u00e9n\u00e9ficient, en plus, d\u2019heures d\u2019enseignement d\u00e9di\u00e9es \u00e0 des approfondissements th\u00e9oriques sur des sujets vari\u00e9s.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                                                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]