Volumes horaires
- CM 13.5
- Projet -
- TD -
- Stage -
- TP 6.0
- DS -
Crédits ECTS
Crédits ECTS 2.5
Objectif(s)
A l'issue du cours, l'étudiant doit être capable de:
- identifier et utiliser les principaux types de tests statistiques;
- savoir choisir et utiliser le test statistique approprié à la situation;
- connaitre les principales bases de statistiques descriptives multidimensionnelles;
- connaitre et savoir mettre en œuvre des modèles statistiques prédictifs;
- connaitre les principes de classification et de clusterng ainsi que certains algorithmes;
- avoir des notions sur l'utilisation des modélisation statistiques en sécurité.
Didier BARCELO
Contenu(s)
Théorie des tests statistiques,
Tests paramètriques, non paramètriques et sur plusieurs échantillons,
Apprentissage supervisé et non supervisé, bases de tests
Regressions linéaire et logistique,
Bases du data mining : Classification et Classement,
Méthode des k plus proches voisins, de CAH, de SVM, de k-means, éventuellement Naïve Bayes
Applications possibles en test d'intrusion et en data mining
Analyse de données et réduction de dimension via ACP
Probabilités et intervalles de confiance (MA331)
TP : Compte rendu TP ou compte-rendu de challenge informatique
DM : Devoir à rendre
E1 : QCM ou test de cours (épreuve écrite de 1h, Table de lois et calculatrice collège autorisées).
E2 : QCM ou test de cours (épreuve écrite de 1h, Table de lois et calculatrice collège autorisées), session 2.
Le cours est programmé dans ces filières :
- Cursus ingénieur - Filière IR&C - Semestre 7
Code de l'enseignement : 4AMMA431
Langue(s) d'enseignement :
Le cours est rattaché aux structures d'enseignement suivantes :
Vous pouvez retrouver ce cours dans la liste de tous les cours.
Histoire des codes secrets, Simon Singh, éd. Livre De Poche
La cryoptographie décryptée, D. Baker & H. X. Mel, éd. CampusPress