Année 2013/2014:

1. Classification supervisée par arbre de décision et réseau de neurones.
2. Introduction aux SVM (Support Vector Machines). Applications aux données médicales.
3. Modèles en très grande dimension avec des outliers. Théorie, simulations, applications.
4. Ondelettes. Théorie et applications.

Année 2012/2013:

1. Modèle linéaire pour les données fonctionnelles. Applications.
2. Méthodes de type LASSO pour modélisation et sélection de variables en très grande dimension. Application au cancer de la prostate.
3. Régression pour des données de type catégorie. Applications sur des données: auto, médecine, économétrie.
4. Modèles linéaires mixtes pour des données longitudinales. Applications.

Année 2011/2012:

1. Modèle logistique: binaire, polytomique, avec covariables dépendantes de temps. Applications.
2. Estimation non-paramétrique d'une densité. Estimation des données manquantes. Cas particulier: dans un modèle de régression linéaire par des méthodes semi-paramétriques.
3. Modélisation statistique de la consommation en carburant des bus. Modélisation de la conduite des bus. (Stage en entreprise)

Année 2010/2011:

1. Méthodes de sélection de variables dans un modèle linéaire. Applications.
2. Méthodes de type CART. Applications
3. Quelques métodes de classification. Applications
4. Séries chronologiques avec applications.

Année 2009/2010:

1. Etude d'un modèle de régression linéaire avec données manquantes. Etude théorique, simulations, applications.
2. Modèles de panel linéaire avec applications en économétrie.
3. Modèles avec variable dépendante discrète. Applications en économétrie.

Année 2008/2009:

1. Méthodes statistiques pour des données de survie. Application au cancer.
2. Processus à longue mémoire ARFIMA. Application à la modélisation des ondes de l'océan.
3. Régression PLS. Applications.
4. Méthode CART. Application à la modélisation de la pollution de l'air.
5. Séries chronologiques avec applications en économétrie.