Institut Polytechnique de Paris

Ce cours initie les étudiantes et étudiants aux méthodes fondamentales d'analyse statistique et de traitement de données en Python.

Les travaux pratiques s'appuient sur les bibliothèques numériques les plus utilisées (numpy, pandas, scikit-learn) et incluent un projet en binôme appliqué à des jeux de données réels. Les plus avancés peuvent expérimenter la mise en œuvre de modèles de deep learning simplifiés.

Ce module articule rigueur statistique, pratique de la programmation scientifique et mise en œuvre d'outils modernes d'apprentissage automatique.

Ce cours approfondit les techniques fondamentales de traitement, d'analyse et de modélisation des données. Il introduit les méthodes statistiques avancées, les algorithmes d'apprentissage automatique de base, ainsi que les outils informatiques pour la gestion et l'exploitation de grands ensembles de données.

L'accent est mis sur la mise en œuvre pratique et l'interprétation critique des résultats dans des contextes variés.

Ce cours propose une approche avancée des méthodes statistiques, des techniques d'apprentissage supervisé et non supervisé, et de la gestion de bases de données volumineuses.

Il met l'accent sur l'application rigoureuse des modèles, l'évaluation critique des résultats, et l'interprétation des données complexes. Les étudiants développent des compétences solides en programmation et utilisent des logiciels spécialisés pour traiter des problématiques réelles dans divers domaines.

Ce cours initie à l'analyse des phénomènes sociaux à partir de données quantitatives. Il combine concepts sociologiques et outils statistiques pour mesurer comportements, inégalités et dynamiques sociales.

Les étudiants apprennent à collecter et traiter des données, à utiliser des méthodes d'analyse comme les statistiques descriptives et la régression, et à interpréter les résultats pour des applications concrètes telles que les mobilités sociales ou les inégalités.

Ce cours de Sociologie computationnelle explore les méthodes quantitatives et informatiques appliquées à l'étude des phénomènes sociaux. Il introduit les concepts fondamentaux de la modélisation, de l'analyse des réseaux sociaux, et du traitement de grandes bases de données issues des interactions humaines.

Le cours met en avant l'utilisation d'outils numériques pour la collecte, l'analyse et la visualisation des données sociales.