Contact

L'analyse de données et la modélisation ont pour objectifs de comprendre le fonctionnement d'un système et de prédire ses évolutions possibles.

A partir des données mesurées et des connaissances, la recherche de relations mathématiques entre différents paramètres aboutit à une représentation simplifiée du système étudié: le modèle. Une fois validé dans des conditions données, le modèle est un outil de prédiction in silico pour explorer les possibles et produire à moindre coût de nouvelles données et connaissances.



 

 

Méthodes et Outils

Experts du Data Mining et du Deep-Learning, nous mettons en oeuvre de manière adaptée un ensemble de familles de méthodes  :

  • Statistiques descriptives, statistiques d'ordre, lois de distributions
  • Tests statistiques paramétriques et non paramétriques
  • Modèle linéaire, modèle linéaire généralisé, modèle additif généralisé, modèle MARS
  • Régressions non-linéaires, régressions logistiques
  • Régressions pénalisées (LASSO, Ridge, Elastic Net)
  • Analyses multivariées, ACP, AFC, ACM, Inter-Intra, K-Tableaux...
  • Méthodes de classification: arbre de décision, analyses discriminantes...
  • Réseaux de neurones supervisés, non supervisés
  • SVM
  • Statistiques et modélisation Bayésiennes
  • Boosting, Bagging, Random Forests

Nous mettons également en oeuvre les méthodes de modélisation numérique:

  • Simulations par Monte-Carlo
  • Automates cellulaires spatialisés
  • Systèmes multi-agents