Remise à niveau informatique ou statistique (INFO801_GTRANA)

Volume horaire

Objectifs

Ce cours vient remettre à niveau les étudiants en Statistiques appliquées à l’Economie ou en Informatique. Il est conçu pour des étudiants n’ayant pas suivi de cours d’introduction à l’économétrie. Il propose de donner des outils aux étudiants pour  estimer et tester les modèles économiques. Nous chercherons à comprendre comment mettre en avant une relation de dépendance entre plusieurs variables.

La deuxième partie du module a pour objectif de remettre à niveau en Informatique les étudiants n’ayant pas suivi de cours dans ce domaine, en alliant à la fois une dimension algorithmique et  son illustration en Python qui est l’un des langages privilégiés pour le data science. Par l’intermédiaire de petits exemples, nous donnerons les éléments nécessaires pour appréhender Python, à savoir les variables, les conditions, les boucles, les fonctions, la manipulation de fichiers et d’autres sources (bases de données, tableurs, XML, JSON), et les bibliothèques scientifiques numpy et sci-py.

Compétences acquises

• Savoir construire un modèle
• Comprendre les hypothèses d’un modèle
• Savoir estimer les paramètres
• Compréhension de la notion d’algorithmique
• Utilisation du langage Python
• Python dans un cadre scientifique

Pré-requis

Pré- Informatique L3

Plan du cours

1. Remise à niveau sur l’algorithmique
2. Introduction à Python
3. Python avancé
4. Python scientifique

1. Introduction à l’Econométrie
2. Modèle de régression simple
3. Test d’hypothèses
4. Violation d’hypothèses
5. Modèle de régression multiple

Bibliographie

Econométrie, Régis Bourbonnais

Introduction à l’Econométrie de Wooldridge, de Boeck

Introducing Data Science, Davy Cielen, Arno D. B. Meysman, and Mohamed Ali

Big Data, Nathan Marz and James Warren

Hadoop: The Definitive Guide, 4th Edition, Storage and Analysis at Internet Scale

Python Data Analysis, Ivan Idris

Diplômes intégrant ce cours

• CU Data Sciences
• Master Management (M1, M2)