Soutien au renforcement des capacités de recherche / Formation Analyse et modélisation avancées de données complexes - Praxis, Université de Montréal
Le Centre de développement professionnel continu de la Faculté des arts et des sciences de l’Université de Montréal, propose trois formations avancées et appliquées en science des données (statistique) susceptibles d’intéresser votre milieu.
Ces trois formations offertes en ligne en analyse et modélisation de données complexes s’adressent aux chercheurs, professionnels et doctorants des milieux universitaires, gouvernementaux, de la recherche, de la santé et des sciences sociales, du marketing, de l'informatique et de l'économie. Toutes personnes appelées à effectuer des analyses sur de grandes bases de données.
Objectif
Former les chercheurs et les professionnels aux méthodes statistiques avancées qui permettent d'analyser et tirer profit des grandes bases de données.
Public concerné
Chercheurs et professionnels des milieux universitaires, gouvernementaux, de la recherche, de la santé et des sciences sociales, du marketing, de l'informatique ou de l'économie. Toutes personnes appelées à effectuer des analyses de risque ou de grandes bases de données.
Programme
Les 3 modules de formation, quoique complémentaires, sont indépendants et peuvent être pris séparément.
Module 1 : Processus en régression multiple
Cours avancé en statistique sur les modèles de régression linéaire et non linéaire et l'analyse de processus conditionnels, incluant des variables modératrices et médiatrices. Introduction aux modèles multiniveaux en régression linéaire.
Module 2 : Modèles de données longitudinales 1
Cours avancé en statistique appliquée aux données longitudinales qui approfondit la modélisation par régression linéaire hiérarchique. Analyse de modèles longitudinaux portant sur des évènements rares et des données catégorielles.
Module 3 : Modèles de données longitudinales 2
Cours avancé en statistique appliquée aux données longitudinales qui approfondit la modélisation par classes latentes et modèles de mélange (mixture model). Analyse de modèles supposant une influence différentielle du temps en fonction de sous-groupes dans la population.
