MASTER M2MASSPOP. Parcours Analyse des Populations : Exploration, Modélisation, Prévision

Transcription

1 MASTER M2MASSPOP Parcours Analyse des Populations : Exploration, Modélisation, Prévision Spécialité MASS Mathématiques Appliquées et Sciences Sociales Mention Mathématiques et Applications BROCHURE Formation ouverte à l alternance Septembre 2014 à Mars 2015: 1 semaine de cours, 1 semaine en entreprise Mars 2015 à Septembre 2015 : temps complet en entreprise (*) (*) Possibilité de temps complet supplémentaire de juillet 2014 à septembre 2014

2 Le master M2MASSPOP est une formation scientifique pluridisciplinaire à bac+5 à double finalité professionnelle et recherche avec trois composantes principales: Statistique, Informatique, Analyse des populations. Cette formation scientifique de haut niveau avec une majeure en statistique sur le thème de l analyse des populations est unique dans l académie d Aix-Marseille et dans le sud-est de la France. Ce master est proposé selon plusieurs formules : formation initiale, formation continue, contrat de professionnalisation (alternance), et programme international. Les enseignements correspondent à un volume horaire moyen de 330 heures. Les répartitions par composantes suivant les options choisies sont les suivantes Composante Statistique Informatique Analyse des populations Projet Communication Anglais Volume horaire 105 à 129 heures 72 heures 51 à 75 heures 59 heures Cette formation se concrétise par un stage en entreprise ou laboratoire de 4 à 6 mois. Si l étudiant est en contrat de professionnalisation, il travaillera durant cette période à temps plein au sein de l entreprise. OBJECTIFS L objectif principal du parcours M2MASS «Analyse des populations : exploration, modélisation, prévision» est de former des spécialistes en statistique des populations maîtrisant les formalismes et les outils mathématiques et informatiques de gestion, représentation et modélisation des données ainsi que les différentes étapes d une étude en analyse des populations. Cette formation vise également à donner les connaissances théoriques nécessaires à la compréhension des enjeux des questions de population et des méthodes d analyses démographiques, spatiales et temporelles. DEBOUCHES Le diplômé exerce des fonctions de chargé d études statistiques ou de recherche dans les entreprises et dans les centres d études ou de recherche privés ou publics. Il développe des études sur les questions de populations aussi bien du point de vue théorique que technique. Il produit et exploite des corpus de données (enquêtes, recensements, indicateurs). Il met en œuvre des méthodes statistiques et informatiques associées à des méthodes d analyses démographiques et spatiales pour la modélisation de données structurées. Il interprète et met en place des informations, des indicateurs statistiques, apprécie des situations, dégage des tendances et élabore des prévisions dans le cadre d analyses et d études spécifiques aidant à la décision. M2MASSPOP Brochure

3 Les débouchés après cette formation sont les suivants : Chargé(e) d études statistiques, Chargé(e) d études ou de recherche sur les questions de populations, Responsable d enquête, Chef de projet, Ingénieur(e) méthode en SHS, Gestionnaire de bases de données Poursuites d études : Pour les très bons étudiants intéressés par la recherche, une poursuivre d études en doctorat est possible dans un des domaines suivants: statistique, démographie, géographie ou santé publique. Il y a également des possibilités d intégration de formations nécessitant un master comme les préparations à l Administration Générale à l Institut d Etudes Politiques d Aix en Provence. Depuis son ouverture en 2009, 44 étudiants ont été diplômés du M2MASSPOP dont 35 occupent actuellement un emploi en adéquation avec la formation. Trois anciens étudiants diplômés du M2MASSPOP préparent actuellement un doctorat en statistique ou santé publique. CRITERES DE SELECTION Le master M2MASSPOP s adresse principalement aux étudiants provenant d une première année de master MASS (M1MASS) souhaitant suivre une formation pluridisciplinaire avec une majeure en statistique tout en étant intéressés par les questions de population. Le principal critère de sélection est un prérequis en mathématiques appliquées et une réelle motivation pour les sciences sociales. La sélection est effectuée uniquement après étude du dossier de candidature et entretien oral menés par l équipe pédagogique du M2MASSPOP. Les dossiers pour l année sont à rendre avant le 11 juillet PREREQUIS Les prérequis correspondent principalement aux connaissances et compétences suivantes acquises en M1MASS à l université d Aix-Marseille ou niveau équivalent : Statistique: Statistique exploratoire multi-variée (ACP, AFC, ACM, AFD, Classification), Modèle Linéaire et régression logistique, Sondage, Initiation aux séries chronologiques et au logiciel SAS Sciences Humaines et Sociales : Description et interprétation en sciences sociales, Analyse démographique : sources et analyse des données Informatique : tableurs, outils bases de données et interface Anglais Une expérience d étude pluridisciplinaire ou de stage est fort appréciée. Un dispositif est prévu pour permettre à un étudiant ayant une formation scientifique avec une composante en mathématiques d intégrer la formation. M2MASSPOP Brochure

4 PROGRAMME DES ENSEIGNEMENTS Modélisation statistique : Analyse statistique de données longitudinales et 2 options parmi : Méthodes avancées pour le sondage, Analyse multi-niveau, Utilisation avancée du logiciel SAS Modélisation et outils informatiques : Bases de données et 2 options parmi: Système d information géographique (SIG), Fouille de données, Modélisation et simulation multiagent (SMA), Utilisation avancée du logiciel SAS Analyse des populations : Méthodologie de recherche et démographie appliquée et 3 options parmi : Statistique spatiale et Population, Modèles de durée, Système d information géographique (SIG), Simulation des dynamiques de populations, Epidémiologie Atelier de modélisation statistique de données démographiques et introduction aux grandes enquêtes (sources de données INSEE, pondération). Gestion et réalisation d un projet pluridisciplinaire Anglais, Communication, Connaissance de l entreprise Logiciels : Les enseignements des trois composantes incluent une utilisation de logiciels associés. Dans le cadre du cours de SIG, il est proposé une formation à MapInfo tandis que modélisation et simulation multi-agent permet un apprentissage de NetLogo. L enseignement de bases de données permet une formation à Access et MySQL. Enfin, l enseignement de fouille de données est associé au logiciel Weka. Le logiciel statistique privilégié de la formation est le logiciel SAS. Faisant suite au cours d initiation reçu durant le M1MASS, un approfondissement de SAS est spécifiquement mené dans le cadre du M2 (graphiques, lien avec les bases de données, langage macro, application à la macro INSEE Calmar). Le logiciel SAS est aussi utilisé de façon régulière dans chacun des enseignements de statistique. La réalisation du projet pluridisciplinaire peut être l occasion d un apprentissage de logiciels spécifiques comme le logiciel R. MOYENS PEDAGOGIQUES Chaque étudiant dispose d un ordinateur portable prêté par la formation durant la période d enseignement. Cet ordinateur est équipé de tous les logiciels nécessaires. Tous les enseignements se déroulent sur le centre Saint-Charles à Marseille près de la gare. Les étudiants ont à disposition une salle de cours et de travail qui leur est dédiée (salle 102, bâtiment 5, centre Saint-Charles, AMU). Cette salle est utilisée pour les enseignements mais également pour les travaux personnels liés à la formation. Elle est ouverte de 8h à 18h chaque jour ouvrable. ORGANISATION Le programme de la formation M2MASSPOP se décompose en deux semestres (semestres 3 et 4), organisé sur quatre périodes. M2MASSPOP Brochure

5 Ce master est proposé selon plusieurs formules : formation initiale, formation continue, contrat de professionnalisation (alternance), et programme international. Les enseignements ont lieu du lundi 1er septembre 2014 au vendredi 27 mars Durant cette période, correspondant au semestre 3, l organisation alterne une semaine d enseignements académiques avec une semaine : En entreprise pour les étudiants en contrat de professionnalisation ; Consacrée à la gestion et réalisation de projets pour les étudiants en formation initiale. Les enseignements sont organisés suivant trois périodes : Période 1 du lundi 1er septembre au vendredi 19 septembre 2014 (3 semaines) : Atelier de modélisation statistique de données démographiques et introduction aux grandes enquêtes Période 2 du lundi 22 septembre au vendredi 19 décembre 2014 (13 semaines) : Enseignements : Modélisation et outils informatiques, Analyse statistique des données longitudinales, Communication-Connaissance de l entreprise, Modèles de durée, Simulation des dynamiques de populations + examens Période 3 du lundi 5 janvier 2015 au vendredi 27 mars 2015 (11 semaines) Enseignements : Méthodologie de recherche et démographie appliquée, Anglais, Analyse multiniveau, Méthodes avancées pour le sondage, Statistique spatiale et population, Epidémiologie + examens La période 4 du lundi 30 mars 2015 au vendredi 27 septembre 2015 (semestre 4) se déroule totalement en entreprise ou en laboratoire sous la forme d un stage de 4 à 6 mois (professionnel ou de recherche) en entreprise dans le cadre du contrat de professionnalisation. ACCORDS INTERNATIONAUX -Accord bilatéral avec le département de démographie de l université de Montréal (Canada) -Accord bilatéral ERASMUS avec le Centre de recherche en démographie et sociétés de l Université Catholique de Louvain (Belgique) Les départs à l étranger dans le cadre de ces échanges se préparent l année universitaire précédant le départ. Pour les étudiants de L3 souhaitant intégrer le programme international de la formation MASSPOP, il est conseillé de partir à l étranger durant le semestre 2 du M1 MASS. Pour les étudiants du M1 MASS, il est possible de partir durant le semestre 1 du M2MASSPOP. Dix étudiants ont bénéficiés de ces accords depuis l ouverture de la formation MASSPOP en septembre M2MASSPOP Brochure

6 Responsables pédagogiques : EQUIPE PEDAGOGIQUE N. Pech MCF en Statistique à l'université d'aix-marseille S. Oliveau MCF en Géographie à l'université d'aix-marseille R. Lalou Démographe à l'ird-lped Responsable administrative : Fabienne Picolet Secrétariat du Master MASS Faculté des sciences - Site Saint-Charles Case courrier 50, 3 place Victor Hugo MARSEILLE cedex 03 Tél : , Fax : , fabienne.picolet@univ-amu.fr Pour nous contacter : nicolas.pech@univ-amu.fr, fabienne.picolet@univ-amu.fr, sebastien.oliveau@univ-amu.fr Membres de l équipe pédagogique Enseignants-Chercheurs Christine Campioni(MCF, 27ème CNU, LIF, AMU) Cécile Capponi (MCF, 27ème CNU, LIF, AMU) Vincent. Laperrière (MCF, 23ème CNU, ESPACE, AMU) Rebecca McKenna (Professeur d'anglais, AMU) Sébastien. Oliveau (MCF, 23ème CNU, ESPACE, AMU) Nicolas Pech (MCF, 26ème CNU, IMBE, AMU) Laurence Reboul (MCF, 26ème CNU, IML, AMU) Marie-Christine Roubaud (MCF, 26ème CNU, LATP, AMU) Isabelle Widmer (MCF, 19ème CNU, LAMES, AMU) Thomas Willer (MCF, 26ème CNU, LATP, AMU) Chercheurs Valérie Delaunay (CR IRD, 19ème CNU, LPED) Myriam De Loenzien (CR IRD, 19ème CNU CEPED) Richard. Lalou (CR IRD,, 19ème CNU, LPED) Juliette. Rouchier (CR CNRS, 5ème CNU, GREQAM) Samuel Robert (CR CNRS, 23 ème CNU, ESPACE) Professionnels Arnaud Bringé (responsable du service Méthodes Statistiques, INED) Gaëlle Jaillet (Ingénieure au CERTU) Stéphane Jugnot (Statisticien Economiste) Laurence Noël-Lardin (Chargée d'insertion professionnelle, AMU) Pascale Rouaud (Chargée d études, CEREQ) Philippe Winnicki (Chargé d études, INSEE) M2MASSPOP Brochure

7 Laboratoires de recherche associés ESPACE : Étude des Structures, des Processus d'adaptation et des Changements de l'espace UMR 7300 CNRS- AMU, Universités d Avignon et de Nice IML : Institut de Mathémathiques de Luminy FRE 3529, CNRS-AMU LATP : Laboratoire d'analyse, Topologie, Probabilités UMR 7353 CNRS-AMU. LIF : Laboratoire d Informatique Fondamentale de Marseille UMR 7279 CNRS-AMU. LPED : Laboratoire Population Environnement Développement UMR 151 IRD-AMU. ORGANISMES ayant accueilli des stagiaires ou embauché des diplômés du M2MASSPOP depuis sa création en ORS-PACA (Observatoire Régional de la Santé), Marseille - ORM-PACA (Observatoire Régional des Métiers), Marseille - OVE (Observatoires de la vie étudiant), Université Aix-Marseille - ORDCS (Observatoire régional de la délinquance et des contextes sociaux), Maison Méditerranéenne des Sciences de l'homme, Aix en Provence - OEI (Observatoire des entreprises innovantes), Marseille - OQSM (Observatoire des Quartiers Sud de Marseille), Marseille - Communauté d'agglomération Hérault Méditerranée, St Thibery - Mairie de la Farlède dans le Var - Rectorat de Nice - DARES (Direction de l'animation de la Recherche et des Etudes Statistiques service du Ministère du Travail), Paris - CG94-MDPH 94 (Maison Départementale des Personnes Handicapées du Val-de-Marne) - DRJSCS PACA (Direction Régionale de la Jeunesse, des Sorts et de la Cohésion Sociale), Marseille - IPC ( Institut Paoli Calmettes) / INSERM, Marseille - Centre d épidémiologie et de santé publique des armées, Marseille - CEREQ (Centre d'études et de recherches sur les qualifications), Marseille - IRD (Institut de la Recherche pour le Développement), Service DRH, Marseille - ITEIPMAI (Institut technique interprofessionnel des plantes à parfum, médicinales et aromatiques - CEREGE, Plateau d Arbois Aix en Provence - IFSTTAR (Institut français des sciences et technologies des transports, de l aménagement et des réseaux), Marne la Vallée - IEDOM (Institut d'émission des départements d'outre-mer), Paris - INPES (Institut National de Prévention et d Education pour la Santé), Paris - AP-HP (Assistance Publique-Hopitaux de Paris) - ISPF ( Institut de Statistique de Polynésie Française), Papeete M2MASSPOP Brochure

8 - CIRAD (Centre de coopération internationale en recherche agronomique pour le développement), La Réunion - INHESJ (Institut National des Hautes Etudes de la Sécurité et de la Justice) - Ecole Militaire, Paris - CREAI PACA et Corse (Centre interrégional d Etude, d Action et d Information Provence Alpes Côte d Azur et Corse en faveur des personnes en situation de handicap et/ou d inadaptation), Marseille - CETE Méditerranée (Centre d études techniques du ministère de l équipement) - IPSOS OBSERVER, Paris - SOFT COMPUTING, Paris - SopraGroupe, Aix en Provence - LIBREPOST, Garges lès Gonesse - Jaguar Network, Marseille - Bataillon des Marins Pompiers de Marseille - Thales Underwater Systems, Sophia Antipolis - ADREA Mutuelle, Nîmes - Caisse de prévoyance sociale de la Polynésie Française, Papeete A l étranger - Institut des nutraceutiques et des aliments fonctionnels (INAF), Univ de Laval à Québec - INSPQ : Institut National de Santé Publique du Québec, Montréal - Institut de Recherche pour le Développement (IRD) à Dakar (Sénégal) Dans le cadre de la recherche - ORS-PACA (Observatoire Régional de la Santé), Marseille - Laboratoire Population, Environnement et Développement ( LPED/IRD), Marseille - Laboratoire Analyse Topologie et Probabilités (LATP) Marseille - Département R&D à EDF, Moret-sur-Moing - Département de Démographie, Université de Montréal - Ecole Polytechnique Montréal Département des génies civil, géologique et des mines, Montréal ENSEIGNEMENTS OUVERTS POUR L ANNEE Modélisation Statistique (72h, 9 crédits) N cours Crédits Nature Vol (h) Période Titre Enseignant SMACU83C 2 options parmi : SMACU87C SMACU88C SMACU90C 3 Obligatoire 24h 1 Analyse statistique de données longitudinales 3 Option 24h 2 Information hiéarchique et Analyse multiniveau 3 Option 24h 2 Méthodes avancées pour le sondage 3 Option 24h 2 Utilisation avancée du logiciel SAS (commune avec l'ue12) L. Reboul (AMU, 26 ème CNU) et T. Willer (AMU, 26 ème CNU) MC Roubaud (AMU, 26 ème CNU) N. Pech (AMU, 26 ème CNU) N. Pech (AMU, 26 ème CNU) M2MASSPOP Brochure

9 Modélisation et outils informatiques (72h, 9 crédits) N cours Crédits Nature Vol (h) Période Titre Enseignant SMACU84C 3 Obligatoire 24h 2 Bases de Données C. Campioni (AMU, 27 ème CNU) 2 options parmi :: SMACU93C 3 Option 24h 2 Fouille de données C. Capponi (AMU, 27 ème CNU) SMACU94C 3 Option 24h 2 Modélisation et Simulation J. Rouchier (CNRS, 5 ème CNU) Multi-Agent SMACU96C 3 Option 24h 2 Système d Information S. Robert (CNRS, 23 ème CNU) Géographique SMACU90C 3 Option 24h 2 Utilisation avancée du logiciel SAS N. Pech (AMU, 26 ème CNU) Analyse des populations (120h, 12 crédits) N cours Crédits Nature Vol (h) Période Titre Enseignants SMACU106 3 Obligatoire 30h 3 Méthodologie de recherche et R. Lalou (19 ème CNU, IRD) démographie appliquée 3 options parmi : SMACU102 3 Option 30h 2 Modèles de durées et analyse des biographies MC Roubaud (AMU, 26 ème CNU), P. Rouaud (CEREQ) SMACU103 3 Option 30h 3 Statistique spatiale et Population S. Oliveau (AMU, 23 ème CNU) et T. Willer (AMU, 26 ème SMACU96C 3 Option 24h 2 Système d Information Géographique (Option commune avec l'ue12) SMACU105 3 Option 30h 2 Simulation de dynamiques des populations (Option du master de géographie) SMACU127 3 Option 24h 3 Epidémiologie - EPI-BASE (option du master EISIS) SMACU137 3 Option 30h 2 Analyse démographique (Option passerelle pour ceux n'ont pas suivi le M1MASS) Ouverture sur le monde professionnel et de la recherche (6 crédits) N cours CNU) S. Robert (CNRS, 23 ème CNU) V. Laperrière, (AMU, 23 ème CNU) I Widmer(AMU, 19 ème CNU) S. Oliveau (AMU, 23 ème CNU) Crédits Nature Vol(h) Période Titre Enseignants SMADU60C 3 Obligatoire 12h 1 Atelier de modélisation statistique des données géodémographiques MC Roubaud (AMU, 26 ème CNU) et M. De Loenzien (IRD, 19 ème CNU) Equipe pédagogique Obligatoire Personnel 3 Gestion et réalisation d un projet pluridisciplinaire SMADU61C 3 Obligatoire 18h 2 Techniques de communication, L. Noël-Lardin (AMU, Pôle connaissance de l'entreprise insertion professionnelle) Obligatoire 9 1 Introduction aux grandes A. Bringé/ G. Jaillet / S. enquêtes Jugnot / P. Winnicki Obligatoire 1 et 2 Cycle de séminaires de recherche et professionnels M2MASSPOP Brochure

10 DESCRIPTIF DETAILLE DES ENSEIGNEMENTS Modélisation Statistique (72h, 9 ECTS) Cette UE comporte un enseignement obligatoire «Analyse statistique de données longitudinales» et deux options au choix parmi» Information hiérarchique et Analyse multi-niveau», «Méthodes avancées pour le sondage», «Utilisation avancée du logiciel SAS» Analyse statistique de données longitudinales (24h, 3 ECTS, SMACU83C) Responsables: L. Reboul, MCF (26 ème CNU) et T. Willer, MCF (26 ème CNU) Cet enseignement a pour objectif de présenter les principaux modèles de régression utilisés dans l analyse de données longitudinales en mettant l accent sur les caractéristiques de ce type de données. Il permettra aux étudiants d acquérir la théorie sous-jacente à ces méthodes ainsi qu un savoir faire dans leur mise en œuvre et l interprétation des résultats. Caractéristiques des données longitudinales, le modèle linéaire généralisé, méthode GEE (Equations d estimation généralisées), modèle linéaire mixte, régression logistique pour les données longitudinales, introduction au problème des données manquantes, étude de cas, applications avec le logiciel SAS Références bibliographiques : -P. Allison, Logistic Regression Using SAS: Theory and Application, 1999 (SAS Edition). -Joop Hox, Multilevel Analysis, Techniques and Applications, Lawrence Erlbaum Associates, Inc, R.C. Littell, P.R. Henry, and C.B. Ammerman, Statistical Analysis of Repeated Measures Data Using SAS Procedures, J Anim Sci, : J. Singer, Using SAS PROC MIXED to Fit Multilevel Models, Hierarchical Models, and Individual Growth Models, /Journal of Educational and Behavioral Statistics/, 1998, Vol. 24 (4), pp Information hiérarchique et Analyse multi-niveau (24h, 3 ECTS, SMACU87C) Responsable: MC Roubaud, MCF (26 ème CNU) Cet enseignement mettra en premier lieu l accent sur les limites des modèles de régression classiques pour prendre en compte l ensemble de la variabilité des phénomènes et leur insuffisance dans le cas d observations corrélées à l aide d exemples concrets. Le cas des données issues d une structure hiérarchique sera considéré. L analyse multi-niveau sous hypothèse gaussienne pour les modèles de régression linéaire sera présentée aussi bien du point de vue théorique (modèle linéaire mixte particulier) que du point de vue pratique. Information hiérarchique, Apport du multiniveau, Modèle linéaire mixte (en lien avec l UE10a), Stratégies de modélisation usuelle : modèle vide, modèle individuel, modèle à coefficients aléatoires, ajouts d interactions inter- niveaux; Etude de cas ; TP sous logiciel SAS. Références bibliographiques: -J.M. Azaîz et J. M. Bardet, Le modèle linéaire par l exemple, cours et exercices corrigés, Dunod, P. Bressoux, Modélisation statistique appliquée aux sciences sociales, DeBroeck, Goldstein H.,Multilevel statistical models. 3rd ed. London: Arnold, 2003 Méthodes avancées pour le sondage (24h, 3 ECTS, SMACU88C) Responsable : N. Pech MCF (26 ème CNU) M2MASSPOP Brochure

11 Cet enseignement a deux objectifs : 1) Présenter les stratégies d amélioration des estimateurs des plans de sondages classiques 2) Mettre en œuvre sous SAS ces stratégies à partir d une base de donnée INSEE. Rappel des plans de sondages classiques (EAS, sondage à probabilité inégale, stratifié), méthodes de redressement (ratio, régression, calage). Etude de cas, TP sous le logiciel SAS. Références bibliographiques P. Ardilly. Techniques de sondages, 2006 (Technip Edition) P. Ardilly et Y. Tillé. Exercices corrigés de méthodes de sondage, 2002, Ellipses Marketing SK Thompson. Sampling Third edition John Wiley & Sons La macro SAS CALMAR. Utilisation avancée du logiciel SAS (24h, 3ECTS, SMACU90C) Responsable : N. Pech, MCF (26 ème CNU) Ce cours est un perfectionnement au logiciel SAS et fait suite à l enseignement «Initiation au logiciel SAS» du M1MASS. Il a pour but de donner une bonne maîtrise du module de base du logiciel SAS, du langage macro et de la gestion des graphiques. Approfondissement de l'étape DATA, proc SQL, gestion de l'affichage des résultats, approfondissement des options et des procédures graphiques, langage macro. Procédure de calage sur marges. Références bibliographiques SAS l'essentielsas v8 et SAS v9, SAS Enterprise Guide, langages SAS, SQL et macro O. Decourt. Collection: InfoPro, Dunod SAS sous UNIX Logiciel Hermetique pour Systeme Ouvert. J.M. AZAIS, PHILIPPE BESSE, HERVECARDOT,VINCENTCOUALLIER, ALAINCROQUETTE Modélisation et outils informatiques (72h, 9 ECTS) Cette UE comporte un enseignement obligatoire «bases de données» et deux options au choix parmi «Fouille de Données», «Modélisation et simulation multi-agent», Système d Information Géographique «Utilisation avancée du logiciel SAS» Bases de Données (24h, 3ECTS, SMACU84C) Responsable : C. Campioni, MCF (27 ème CNU) Donner une connaissance approfondie des bases de données, du formalisme à la manipulation Modèle relationnel et optimisation du schéma conceptuel, Opérateurs algébriques relationnels, Le langage de manipulation relationnel : SQL, Application : apprentissage des logiciels Access sous Windows et OpenOffice Base. Fouille de Données (24h, 3ECTS, SMACU93C) Responsable : C. Capponi MCF (27 ème CNU) La Fouille de données regroupe un ensemble de méthodes et techniques dont l'objectif est l'extraction de nouvelles connaissances à partir de données. L'essentiel des techniques algorithmiques mises en oeuvre provient de l'apprentissage automatique (et des statistiques inférentielles). L'objectif de ce cours est d'étudier et de mettre en oeuvre sur des données structurées quelques uns des algorithmes parmi les plus utilisés en M2MASSPOP Brochure

12 apprentissage. Ce cours comprendra la prise en main d'un logiciel intégrant diverses méthodes d'apprentissage (comme Weka) et l'application à des données en rapport avec l'orientation générale de la formation. Les différentes étapes d une étude ; Exploration et préparation des données; Panorama des diverses techniques; Méthodes de classification supervisée, de prédiction et d aide à la décision : analyse discriminante, arbres de décision, réseaux de neurones, machines à vecteurs supports;travaux pratiques à l aide d un logiciel approprié comme Weka. Références bibliographiques: -Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer Verlag, Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, Ramasamy Uthurusamy (Editors) : Advances in Knowledge Discovery and Data Mining, AAAI Press / MIT Press, Mark Hall, Eibe Frank, Geoffrey Holmes, Bernhard Pfahringer, Peter Reutemann, Ian H. Witten (2009); The WEKA Data Mining Software: An Update; SIGKDD Explorations, Volume 11, Issue 1. Modélisation et simulation multi-agent (24h, 3ECTS, SMACU94C) Responsable : J. Rouchier, CR (5 ème CNU, GREQAM-CNRS) L'objectif global du cours est de comprendre dans quelles circonstances la simulation agents peut aider à analyser et résoudre un problème, être capable de comprendre un article et les enjeux que le chercheur aborde, avoir quelque compétence de programmation et d'analyse de modèles et, au-delà, d'être capable à tout moment de retrouver la documentation nécessaire pour se former soi-même et utiliser, si besoin est, la simulation agents. I. cours magistral - introduction à la pensée systémique - cours général sur la modélisation agents avec exemples de modèles fondateurs (abstraits) - cours basés sur des exemples de modèles typiques afin d'aborder plusieurs grands thèmes importance de la représentation de la rationalité applications aux marchés et à la théorie des jeux diffusion, influence, adoption d'innovation applications à des problématiques environnementales modélisation d'accompagnement validation et usages théoriques des modèles II. TD - manipulation de modèles sous netlogo pour comprendre le rôle des paramètres dans la simulation agents - découverte de netlogo à partir des tutoriels - extension d'un modèle de netlogo pour apprendre à programmer Références bibliographiques: - Vriend, 2000, An illustration of the essential difference between individual and social learning, and its consequences for computational analyses, Journal of Economic Dynamics and Control, 24, Rouchier et al., 2001, A Multi-Agent Model for Describing Transhumance in North Cameroon: Comparison of Different Rationality to Develop a Routine, Journal of Economic Dynamics and Control, 25, Conditionally Risky Behavior vs Expected Value Maximization in Evolutionary Games, Patrick Roos, Dana Nau, ESSA Conference, The dissemination of culture, Robert Axelrod, 1997, Journal of conflict resolution. - Targeting and timing promotional activities: An agent-based model for the takeoff of new products, Delre, Jager, Bijmolt, Janssen, 2007, Journal of business research. - How can extremism prevail? A study based on the relative agreement interaction model, Deffuant, Amblard, Weisbuch, Faure, 2002, JASSS. M2MASSPOP Brochure

13 - Tourisme et Biodiversité sur l île d Ouessant, Exemple de modélisation d un système socioécologique, Hélène Dupont - Application de la simulation agents à la viabilité des systèmes irrigués à Podor :de la modélisation à la restitution aux paysans, Olivier Barreteau - Learning, signaling and social preferences in a public good game Marco Janssen, TK Ahn, Learning to Speculate: Experiments with Articial and Real Agents John Duffy, 2001 JEDC. - A standard protocol for describing individual-based and agent-based models Volker Grimm et al., 2006, Ecological Modelling. Le site de netlogo : Système d Information Géographique (24h, 3ECTS, SMACU96C) Responsable : S. Robert, CR (23 ème CNU, ESPACE-CNRS) Ce cours repose sur une vision géographique de l'utilisation du Système Informatique et Géographique (SIG). La maîtrise de l outil requiert d en connaître les possibilités et de déterminer une réflexion préalable à sa mise en place, puis une réflexion au cours de l utilisation. Il ne s agit pas uniquement d un super logiciel de cartographie. Il est la fois le système de collecte et de transformation des données, le moyen de les présenter, le moyen de les combiner et de produire une information originale. Ce cours a pour objectif de présenter des règles qui favorisent une construction, une gestion et une exploitation correcte. -Réflexions générales sur le SIG : Logiciels, bases de données, applications -Connaissances basiques en cartographie : sémiologie graphique. -Manipulations dans le logiciel Mapinfo -Applications concrètes sur des exemples : Exemples de problématiques qui peuvent être résolue à l aide du SIG et reposant sur une question précise, un ensemble de données, un traitement, une publication. -Applications concrètes : mise en place d un nouveau SIG ; Construction d un SIG pour une application tirée d un autre cours. L exercice peut faire l objet du projet professionnel. Utilisation avancée du logiciel SAS (24h, 3ECTS, SMACU90C) Enseignement décrit dans l UE «Modélisation Statistique» Analyse des populations (120h, 12ECTS) Cette UE comporte un enseignement obligatoire «Méthodologie de recherche et démographie appliquée» et trois options au choix parmi «Statistique spatiale et Population»(*), «Modèles de durée et analyse des biographies»(*), «Système d Information Géographique», «Simulation des dynamiques des populations», «Epidémiologie» et «Démographie» (passerelle accessible aux étudiants n ayant pas fait le M1MASS à Marseille). Ce choix doit comporter au moins une des deux options étoilées (*). Méthodologie de recherche et démographie appliquée (30h, 3ECTS, SMACU106) Responsable : R. Lalou, CR (19 ème CNU, LPED-IRD) Cet enseignement permet d'acquérir des compétences dans la réalisation et le traitement d'enquêtes, dans l'exploitation de bases de données locales, nationales ou internationales, et de documents des services statistiques et ce, au moyen d'outils pertinents (méthodologie d'enquête, analyse démographique, statistiques, analyse prévisionnelle). Elle permet aussi à l'étudiant d'analyser les données qu'il rassemble pour en donner une lecture intelligente, se basant sur ses acquis en sciences sociales, et notamment en démographie. Ces méthodes sont enfin appliquées à deux phénomènes sociaux (au choix selon les années), généralement traités par les différentes collectivités régionales et locales, les observatoires (de la santé, de la ville..) et les services d'études. M2MASSPOP Brochure

14 Processus de recherche Les étapes de la démarche de recherche : définition de l'objet, détermination des objectifs et des hypothèses de travail, choix de la méthode d'enquête, analyse et interprétation des données, rapport de recherche. L enquête par questionnaire : du concept aux variables Construction d un questionnaire : choix du type d enquête, type de questionnaire, organisation, formulation des questions concepts, dimensions, indicateurs, questions, variables. Interprétation des données et retour à la problématisation Les enquêtes qualitatives Observer et interroger Analyser les contenus Complémentarité des types d enquête Démographie appliquée, option «la santé et ses indicateurs» Mort, maladie, santé, bien-être Les indicateurs de la santé (mortalité, morbidité, handicap, déficience ) Inégalités génétiques, sociales et environnementales de la santé (étude de cas) Démographie appliquée, option «Mobilités et migrations» Enjeux sociopolitiques et théories migratoires Définitions, concepts et mesures Etude de cas Démographie appliquée, option «genre, société et démographie» La notion de genre : enjeux théoriques et politiques Des concepts à l opérationalisation Études de cas Références bibliographiques : BOURDIEU, P. (1998). La domination masculine, Paris : Éditions du Seuil. CASELLI Graziella, VALLIN Jacques et WUNSCH Guillaume (sous la direction de). Traité de démographie. La dynamique des populations Vol. I., INED, 2001, 552p. CASELLI Graziella, VALLIN Jacques et WUNSCH Guillaume (sous la direction de). Traité de démographie. Les déterminants de la mortalité Vol. III., INED,2002, 478p. CASELLI Graziella, VALLIN Jacques et WUNSCH Guillaume (sous la direction de). Traité de démographie. Les déterminants de la migration Vol. IV., INED, 2003, 226p. CASELLI Graziella, VALLIN Jacques et WUNSCH Guillaume (sous la direction de). Traité de démographie. Observation, méthode auxiliaires, enseignement et recherche Vol. VIII., INED, 2006, 780p. COURGEAU Daniel. Méthodes de mesure de la mobilité spatiale. Migrations internes, mobilité temporaire, navettes, INED, 1988, 298p DEROO, Marc et DUSSAIX, Anne-Marie. Pratique et analyse des enquêtes par sondage, Paris, P.U.F., 1980, 302 pages. FERRAND, M. (2004). Féminin masculin, Paris : Découverte. HUBERT, Gérard et PICHE, Victor (sous la direction de). La sociologie des populations, Montréal, P.U.M., 1995, 518pages. Statistique spatiale et Population (30h, 3ECTS, SMACU103) Responsables : S. Oliveau, MCF (23 ème CNU) et T. Willer, MCF (26 ème CNU) Le but de ce cours est de montrer et d apprendre à mettre en évidence les liens qui unissent espace et population. L approche géographique y est couplée avec l approche statistique, théories et mesures sont abordées ensemble. Si l espace est le support des sociétés humaines, il en est aussi un acteur. L espace comme acteur social, par le biais de son rôle structurant le développement des sociétés, sera vu à travers les grands modèles explicatifs M2MASSPOP Brochure

15 (diffusion spatiale, hiérarchie) et à l aide des principaux outils de compréhension de la géographie (mesure des discontinuités et des inégalités). Par ailleurs, un nouvel outillage méthodologique, reposant sur la théorie des variables régionalisées, s offre aux chercheurs pour comprendre, mesurer et analyser les structures spatiales qui caractérisent certains phénomènes sociaux. Reposant sur des outils statistiques et des bases de données géo-référencées, L analyse de l autocorrélation spatiale propose un renouvellement de la mesure (et donc du questionnement) de l espace des sociétés. Différentes modélisations statistiques seront proposées pour étudier ce problème d'autocorrélation (modèles de type régression standard, puis modèles d'autorégression spatiale), et des méthodes d'estimation et de tests seront développées dans chaque cas. Les différentes notions abordées en cours seront illustrées lors de travaux pratiques en SAS, Mapinfo et Géoda. Références bibliographiques : -Luc Anselin, Local Indicators of Spatial Association-LISA () Geographical Analysis, 27, , Gilbert Saporta, Jean-Jacques Droesbeke, Michel Lejeune, Analyse statistique des données spatiales, Ed Technip, D.Pumain et T.Saint-Julien, L analyse spatiale. Localisation dans l espace. Paris, Arman Colin (Coll. «Géographie»), S. Oliveau, (2010), "Autocorrélation spatiale : leçons du changement d échelle", L'espace géographique, N 1, pp Modèles de durée et analyse des biographies (30h, 3ECTS, SMACU102) Responsable: MC Roubaud, MCF (26 ème CNU) et Pascale Rouaud CEREQ Ce cours a pour objectif d initier les étudiants aux méthodes statistiques d analyse de données d enquête biographiques. L'accent sera mis sur la spécificité de ce type de données et l'interprétation des résultats. Présentation du cadre théorique, des différents modes de collecte de données de parcours de vie, de la spécificité de ce type de données et des méthodes statistiques usuelles (Caractéristiques des données de survie, censures et estimateur de Kaplan-Meier, Tests du Log-rank, Modèle de Cox et alternatives). Pour s approprier ces méthodes et la phase préparatoire du pré-traitement des données, les étudiants mettront en oeuvre une analyse de biographies à partir de données d enquêtes existantes à l aide du logiciel SAS. Références bibliographiques : -Catherine Hill, Analyse statistique des données de survie, Statist.en Biologie & Medecine, Flammarion,Medecine-Sciences, Daniel Courgeau, Eva Lelièvre, Analyse démographique des biographies. Institut National D'Études Démographiques, Simulation des dynamiques des populations (30h, 3ECTS, SMACU105) Option du Master Géographie Responsable : V. Laperrière, MCF (23 ème CNU) Cet enseignement vise à initier les étudiants à différentes approches de modélisation de dynamiques de population. Il fournit des compétences dans la conceptualisation d un modèle agrégé/individu-centré, la conception d analyses de sensibilité et le développement sous la plate-forme Multi-Agents Netlogo. Après un rappel synthétique des théories des systèmes complexes, on commence par aborder brièvement les modèles mathématiques fonctionnant à un niveau agrégé, qui permettent de simuler différents types de dynamiques d une ou de plusieurs populations en interaction (modèle proie/prédateur). On aborde ensuite plus longuement la modélisation individu-centrée de telles dynamiques, par les Systèmes Multi-Agents. Les potentialités des SMA pour des géographes désireux de prendre en compte la distribution spatiale des individus qui composent la population et les interactions qu ils exercent entre eux et avec leur M2MASSPOP Brochure

16 environnement sont dégagées. On apprendra à conceptualiser un modèle agrégé/individu-centré et à le présenter sous la forme de diagrammes (stock-flux pour le modèle agrégé, formalisme UML pour le modèle individu-centré) ; le développer sous la plate-forme Multi-Agents Netlogo ; concevoir des analyses de sensibilité ; importer/exporter des variables d entrée/sortie de la plate-forme de modélisation depuis/vers d autres logiciels (SIG, logiciel statistique). Références bibliographiques : -Amblard, F., Rouchier, J. et Bommel, P., 2006, «Evaluation et validation de modèles multi-agents» in Amblard, F. et Phan, D. (eds.), Modélisation et simulation multi-agents pour les Sciences de l Homme et de la Société : applications pour les Sciences de l Homme et de la Société, Hermès, pp Bonnefoy, J.L., Bousquet, F., Rouchier, J., 2001, Modélisation d une interaction individus, espace et société par les systèmes multi-agents : pâture en forêt virtuelle, L espace géographique n , pp Deffuant, G., Amblard, F., Duboz, R., Ramat, E., 2003, Une démarche expérimentale pour la simulation individu-centrée, in Le statut épistémologique de la simulation, Actes des 10èmes Journées de Rochebrune, éd. ENST Paris, pp Grimm, V. et al., 2006, A standard protocol for describing individual-based and agent-based models, Ecological Modelling, n 198, pp Laperrière, V., Badariotti, D., Banos, A., Müller, J.P., 2009, Structural validation of an individual-based model for plague epidemics simulation, Ecological Complexity, vol. 6 n 2, pp Manson, S.M., 2001, Simplifying complexity: a review of complexity theory, Geoforum vol. 32 n 3, pp Mulligan, G. F., 2006, Logistic population growth in the world s largest cities, Geographical analysis vol. 36, pp Treuil, J.P. et al., 2001, Simulations multi-agents de dynamiques spatialisées, in Sanders (dir.), Modèles en analyse spatiale, Paris, Hermès, pp UE d ouverture : Epidémiologie (SMACU127) Option du Master EISIS (santé publique, Faculté de la Timone) UE Passerelle Démographie (SMACU137) Responsables : I. Widmer MCF, (19 ème CNU) et S. Oliveau, MCF, (23 ème CNU) Enseignement du M1MLASS Ouverture sur le monde professionnel et de la recherche (6 ECTS) Cet UE se décompose en deux parties : 1) Atelier / Projet (3 ECTS, SMACU60C) Atelier de modélisation statistique des données géo-démographiques M. De Loezien (IRD-CERPOS,19 ème CNU), et M-C. Roubaud (MCF 26 ème CNU, AMU) Gestion et réalisation d un projet pluridisciplinaire De manière générale, il s agit d une application en temps limité (environ 8 semaines) des compétences acquises lors de la formation ou de l approfondissement de techniques (Statistiques, SIG, multi-agent, etc ). Le travail réalisé généralement en binôme, peut porter sur des corpus de données existantes ou sur des enquêtes de terrain avec l élaboration d un traitement des données et une interprétation. Le but est de donner des compétences dans la gestion de projet en situation professionnelle. Ce travail donne lieu à un rapport et à une soutenance orale. Ce projet est adapté selon la formule d inscription de l étudiant. En contrat de professionnalisation, il correspondra à un travail réalisé en entreprise mettant en œuvre des méthodes apprises en formation durant la période des enseignements de septembre à mars. 2) Anglais, Communication, Entreprise (3ECTS, SMACU61C) M2MASSPOP Brochure

17 Anglais : Préparation au CLES et au TOEIC, passage obligatoire du CLES Techniques de communication, Connaissance de l entreprise : L. Noël-Lardin (AMU, Pôle insertion professionnelle) Le but est de préparer l insertion professionnelle des étudiants. Il s agit d être capable de réaliser un CV, une lettre de motivation. Les techniques de communication sont destinées à donner les bases du travail en équipe : animation de réunion, communication orale, techniques de l entretien. Introduction aux grandes enquêtes (S. Jugnot, Statisticien Economiste). Cet enseignement a pour but de présenter le recensement français ainsi que les grandes bases de données d enquêtes. Cycle de séminaires professionnels et de recherche Des séminaires sont organisés (environ 4 par an) au cours desquels les étudiants rencontrent différents professionnels (y compris des chercheurs) qui interviennent sur le thème général de leur métier. L objectif est d aider les étudiants à mieux comprendre les contenus des différentes fonctions exercées dans l entreprise, à mieux se préparer à la recherche d un stage puis d un emploi, enfin à entendre divers témoignages. Ouverture sur le monde professionnel et de la recherche (2) (24 ECTS, SMACU) L étudiant peut choisir entre deux options selon son projet professionnel. S il est en contrat de professionnalisation il devra forcement valider l UE correspondant au stage en entreprise. Stage en entreprise (24 ECTS) Le stage en entreprise constitue un point crucial de la professionnalisation de la formation. Il permet aux étudiants de s insérer dans le milieu du travail et de mobiliser de manière autonome leurs connaissances en Mathématiques, en Informatique, en Sciences Humaines et Sociales autour d'un travail en situation professionnelle. Il met en évidence les compétences des étudiants et permet leur reconnaissance par les milieux professionnels. Il donne lieu à un rapport et à une présentation orale. Stage de recherche en laboratoire (24 ECTS) Le stage en laboratoire de recherche dans un organisme public ou privé constitue une ouverture vers le monde de la recherche. Pour les étudiants les plus motivés, il donnera une possibilité de poursuite d'étude en doctorat dans la discipline approfondie lors du stage. Il donne lieu à un mémoire de recherche et à une soutenance. M2MASSPOP Brochure