monitorat
  Enseignements




 Navigation  :

Accueil

Publications

Communications

Recherche



 


Mes Enseignements :
 

Dans le cadre de mes enseignements liés à ma fionction de maître de conférence à l'Université
de Nice- Sophia Antipolis, je dispense les enseignements suivants :
  • Cours d'Analyse de données en filière L3 MASS
                   Notions abordées :
      • statistique descriptive uni-dimensionnelle;
      • Analyse en Composantes Principales;
      • Analyse des Correspondances;
      • Méthodes de Classification;
  • Cours de Statistiques en filière L3 MASS (2ème semestre)
              Notions abordées :
      • vecteurs gaussiens;
      • modèle linéaire simple;
      • modèle linéaire multiple;
      • analyse de la variance à 1 et 2 facteurs;
      • analyse de la covariance.
  • Cours de Statistiques avec SAS en filière M2 IMEA option EFA (1er semestre)
                Notions abordées :
      • importation de données dans SAS;
      • création de base de données;
      • indicateurs statistiques et représentations graphiques;
      • utilisation de procédures standard (univariate, proc reg, proc cluster, etc).
  • Cours d'Analyse de données et méthodes de segmentation en filière M2 IMEA option SD (1er semestre)
             Notions abordées :
      • Statistiques descriptives de base;
      • Analyse en composantes principales (avec un retour sur la diagonalisation de matrices);
      • Méthodes de clustering (classification hiérarchique ascendante et k-means);
      • CART.
  • Cours de Bases mathématiques pour les statistiques en filière L3 Bio (2ème semestre)
    (en collaboration avec F. Diener)
            Notions abordées :
      • Outils pour la régression linéaire : optimisation;
      • Outils pour le clustering.

  • Encadrement  d'un mémoire de M1 IMEA
  • Encadrement de stage de M2 IMEA
Et les années précédentes, j'ai dispensé les enseignements suivants :
  • TD de Probabilités en filière L2 économie et gestion (1er semestre)
    (associé au cours de Mr Séguret)
             Notions abordées :
      • Probabilités sur des ensembles finis;
      • Variables aléatoires discrètes;
      • Lois discrètes usuelles;
      • Couples de variables aléatoires discrètes;
      • Variables aléatoires à densité.
  • Cours et TP sur les Méthodes CART avec le logiciel R en filière M2 MASS (1er semestre)
             Notions abordées dans le cours :
      • Arbres de décisions binaires;
      • Construction de l'arbre CART maximal en classification et en régression;
      • Phase d'élagage avec notion de la théorie de sélection de modèles;
      • Etape de sélection finale par échantillon test ou validation croisée;
      • Aspect sélection de variables avec la notion d'importance;
      • Travail de recherche de Marie Sauvé et Christine Tuleau sur l'aspect sélection;
      • Problèmes liés à CART (instabilité et bootstrap).
  • Atelier de sélection de variable à l'aide de la méthode CART (1er semestre)
  • Cours et TP de statistique en filière L2MI (2ème semestre)
            Notions abordées dans le cours et les TP avec Excel :
      • Variables discrètes et continues;
      • Statistique descriptive (indicateurs et représentations classiques);
      • Simulations de loi usuelles;
      • Estimation et intervalle de confiance;
      • Test.
  • TP de statistique avec Excel en filière L1 MASS (2ème semestre)
            Notions abordées dans les TP avec Excel :
      • Variables discrètes et continues;
      • Statistique descriptive (indicateurs et représentations classiques);
      • Simulations de loi usuelles;
      • Estimation et intervalle de confiance.

  • Encadrement d'un mémoire de M1 MASS (thème : compréhension de l'algorithme du bagging et boosting)
  • Encadrement de trois étudiants en stage de M2


Dans le cadre de mon poste d'ATER à temps plein (2005/2006) effectué au sein de
l'UFR SEGMI de l'Université Paris X-Nanterre, je dispense les enseignements suivants :
  • TP/TD d'Analyse des Données en M1 ISIFAR avec le logiciel R (1er semestre)
    (associé au cours de Karine Tribouley)
            Notions abordées :
      • Utilisation du logiciel R;
      • Statistique Descriptive;
      • Régression linéaire et ANOVA;
      • Analyse en Composantes Principales;
      • Analyse Factorielle des Correspondances;
      • Classification.
  • TD de Statistique Inférentielle en Licence Modélisation Mathématique, Informatique
    et Applications L3 (1er semestre) (associé au cours de Christian Léonard)
            Notions abordées :
      • Lois discrètes et diffuses classiques;
      • Estimateur par la méthode des moments et estimateur du maximun de vraisemblance;
      • Propriétés associées aux estimateurs;
      • Intervalle de confiance;
      • Test.   
  • TD de Probabilité en Licence Economie et Gestion L2 (2nd semestre)
    (associé au cours de Philippe Soulier)
            Notions abordées :
      • Combinatoire;
      • Variable aléatoire discrète;
      • Couple de variables aléatoires discrètes;
      • Variable à densité;
      • Couple de variables à densité .

    Cours/TD de Statistique descriptive  en Licence Sciences Sociales et Administration L1) (2nd semestre) (associé au cours de Pierre-Luc Morien)
      • Notions abordées :
        • Définition des notions de population, variables, nature d'une variable;
        • Représentations graphiques;
        • Fonctions de répartition;
        • Indicateurs statistiaues.


Au cours de mon monitorat effectué à l'IUT de Paris 5 (2002/2005), dans le
département Statistique et Traitement Informatique des Données, j'ai dispensé
les enseignements suivants :

  • Cours et TD de probabilité en 1ère année
           Notions abordées :
      • Lois particulières (Student, Fisher, Chi-deux);
      • Loi des grands nombres;
      • Couples de Variables aléatoires discrètes et à densité.
  • Cours et TD de simulation à l'aide de Matlab en 1ère année
           Notions abordées :
      • Utilisation du logiciel Matlab;
      • Représentations graphiques (fonctions, histogrammes);
      • Simulations à l'aide de la loi uniforme usuelle des autres lois classiques;
      • Échantillonnage.
  • Encadrement de Projets de fin de 1ère année
      •  Partie Statistique descriptive (travail sur un jeu de données);
      •  Partie modélisation et simulation (déterminer des estimateurs,
        convergence en probabilité, notion de test, etc.)