Statistique descriptive et inférentielle, lois de probabilité, régression, analyse multivariée. Comprendre ce que les bibliothèques font à votre place.
Public · Analystes, data scientists juniors, contrôleurs de gestion, chercheurs, doctorants.
Ce que vous apprendrez
- Comprendre et appliquer la statistique descriptive avec rigueur
- Maîtriser les lois de probabilité utilisées en machine learning
- Conduire un test d'hypothèse et interpréter un p-value correctement
- Construire et évaluer une régression linéaire sur des données réelles
- Distinguer corrélation, causalité et confusion dans une analyse multivariée
Programme — 8 modules
Statistique descriptive rigoureuse
Lois de probabilité et distributions
Inférence statistique et tests d'hypothèses
Régression linéaire et GLM
Corrélation, causalité, confusion
Analyse multivariée : ACP et clustering
Séries temporelles élémentaires
Introduction aux statistiques bayésiennes
Ce que vous emportez
- Carnet de formules statistiques annotées (papier + PDF)
- Bibliothèque de notebooks Jupyter par technique (régression, tests, ACP)
- Guide de sélection de test statistique selon le type de données
- Accès plateforme IMAT137 — exercices interactifs par module
Ce qu'en disent les apprenants
“J'utilisais des tests statistiques depuis un an sans vraiment comprendre ce que je calculais. Math for Data m'a donné le sol sous les pieds. Je valide mes analyses différemment.”
Adèle C.
Data analyst junior, fintech
“Le module sur les distributions m'a permis de diagnostiquer pourquoi mon modèle se comportait mal sur certaines données. C'était une question de distribution, pas de code.”
Maxime P.
Ingénieur ML, startup santé
“En sciences humaines, on utilise les tests statistiques sans toujours en comprendre les hypothèses. Cette formation m'a rendu honnête dans mes conclusions de recherche.”
Lucie T.
Chercheuse, sciences humaines
“L'ACP sur mes données de vente m'a permis de voir des structures que je ne voyais pas en regardant les colonnes. Une révélation pour quelqu'un qui vient de la finance.”
Damien F.
Contrôleur de gestion senior
“J'avais des trous dans mes bases de probabilité qui me pénalisaient depuis le M1. Deux jours pour les combler proprement. J'aurais voulu faire ça avant ma thèse.”
Océane R.
Doctorante, économie appliquée
Accès
Formation non disponible en accès libre. Elle s'ouvre aux apprenants ayant souscrit un parcours ou sur demande directe.
Informations
Compétences acquises
- Comprendre et appliquer la statistique descriptive avec rigueur
- Maîtriser les lois de probabilité utilisées en machine learning
- Conduire un test d'hypothèse et interpréter un p-value correctement