Vous êtes sur la page 1sur 4

UNIVERSITE CONSTANTINE 3 SALAH BOUBNIDER

Vice Rectorat de la Formation Supérieure en Troisième Cycle, l’Habilitation Universitaire, la Recherche Scientifique et la
Formation Supérieure en Post Graduation

Formation : Statistiques et probabilités, des données à


l’information
7-8 Décembre 2021

Atelier animé par : Mr. ELSAKAAN Nadim + Mr . Mamasse Mohamed

Biographie des formateurs

- Mamasse Mohamed Lamine


Consultant en pilotage de la performance, Conseiller aux
entreprises, Ingénieur en recherches opérationnelles.

- Alskaan Nadim
ELSE Technologies Mananger, IT – IS Project Manager;
integration of new technological paradigms and transformation
strategy, specialized in digital educational pedagogy.

Programme de la formation
1er jour : Statistiques et probabilités :
 Rappels sur les notions et concepts de bases des statistiques descriptives
 Représentations graphiques des données
 Analyse statistiques univariées
o Tendance centrale
o Indicateurs standards
o Mesures : dispersion, de forme et de concentration
 Généralités sur l’analyse bivariée
 A la recherche des corrélations, les 11 tests standards
 ANOVA
 Qu’est-ce qu’une inférence
 Les intervalles de confiances
o Sur une proportion
o Sur une moyenne
o Sur une variance
 Comparaison de deux échantillons
 Tests d’adéquation khi-2 et Kolmogorov -Smirnov
 Rappels sur l’environnement et la terminologie probabiliste
 Echantillons et sous populations
 Mesures de probabilités et espaces probabilisés
 Probabilités composées et évènements indépendants
 Théorème de Bayes
 Les lois de probabilités discrètes : Dirac, Uniforme, Binomiale, Poisson
 Convolution
 Fonctions caractéristiques
 Convergences
 Lois des grands nombres
 Théorème central limite
 Continuités et processus à états stationnaires
 Martingales
 Chaines de Markov
 Systèmes de files d’attentes

2ème jour : Vers l’apprentissage automatique


 Apprentissage supervisé vs apprentissage non-supervisé
 Régression, clustering ou classification
 Algorithme de recherche et d’optimisation
 Aperçu sur les réseaux de neurones
 Régression linéaire et polynomiale
 Régression logistique
 Classifications naïves : naive Bayes, KNN
 Classification à base de SVM, d’arbres de décisions et de forêts aléatoires
 Les réseaux de neurones et les algorithmes d’optimisations

Objectifs de la formation
 Echantillonner des populations d’observations
 Faire une analyse statistiques uni et multi variées sur des échantillons de données
 Déceler des corrélations entre les données
 Calculer des probabilités de production d’évènements diverses
 Modéliser des problèmes standards par des processus stochastiques
 Différencier des problèmes de régression des problèmes de classification
 Comprendre les algorithmes d’apprentissage automatiques et leurs fonctionnements

Outils et prérequis
- Support de notes, laptop
- Maitrise des symboles et notations mathématiques de base

Public CIBLE
Enseignants chercheurs, doctorants, étudiants
FRAIS D’INSCRIPTION
Frais d’inscription enseignants chercheurs (déjeuner non inclus) 10000 da.
Frais d’inscription doctorants non-salariés (déjeuner non inclus) 5000 da,
(joindre une attestation d’inscription)
Frais d’inscription étudiants (déjeuner non inclus) 2500 da.

Le Paiement des frais d’inscription dans les délais se fait soit :


- Par CCP: Agent comptable université de Constantine3, (322588 clé 59)
- Ou bien directement au niveau du rectorat, pour ce faire prendre
attache avec Le Vice Rectorat de la Post-Graduation (4ème étage).

POUR S’INSCRIRE
VEUILLEZ REMPLIR LA FICHE DE PARTICIPATION ET
JOINDRE LE REÇU DE PAIEMENT, ET LES ENVOYER À
L’ADRESSE : formation.uc3@univ-constantine3.dz

DATE LIMITE: 02/12/2021


Nombre de places limité
UNIVERSITE SALAH BOUBNIDER CONSTANTINE3
Vice Rectorat de la Formation Supérieure en Troisième Cycle, l’Habilitation Universitaire, la Recherche
Scientifique et la Formation Supérieure en Post Graduation

Fiche de renseignements

Nom :…… ……………………….................................................

Prénom  : ………………………...................................................

Faculté/institut/laboratoire :.........................................................

Université………………………………………………………….

Grade :..........................................................................................

Tel...............................................................................................

Adresse émail :...........................................................................

Vous aimerez peut-être aussi