Cours 2017-2018

Analyse de données [IHDCB333]

  • 5 crédits
  • 30h+15h
  • 2e quadrimestre
Langue d'enseignement: Français
Enseignant: Frénay Benoît

Acquis d'apprentissage

A l'issue du cours, l'étudiant doit être capable de résoudre des problèmes simples d'analyse de données à l'aide d'algorithmes adaptés.  Plus particulièrement, avec la créativité et la rigueur nécessaires, il sera capable de

  • faire une première analyse univariée et bivariée (histogrammes, scatter plots)
  • prétraiter des données (outliers, valeurs manquantes, réduction de dimension)
  • chercher des items fréquents et détecter des patterns dans les données
  • gérer des types de données divers (numériques, textuelles, séquentieles, spatiales)
  • analyser les données en profondeur (clustering, classification)
  • communiquer les résults (graphes, rapport écrit)
  • appréhender des situations non-standard (streaming, big data)

Il doit aussi pouvoir faire preuve d'une compréhension des différents concepts abordés (cf. contenu), c'est-à-dire exprimer avec ses propres mots la théorie et les outils vus au cours et expliquer dans quel contexte ceux-ci sont utiles.

Objectifs

Le but du cours est d'introduire l'étudiant à l'analyse de données, afin qu'il puisse résoudre des problèmes simples à l'aide d'algorithmes adaptés. Les concepts suivants seront progressivement introduits : prétaitement des données, analyse univariée et bivariée, types de données, détection de patterns, clustering, classification, communication des résultats, données en streaming et big data. Une attention particulière sera donnée à l'utilisation adéquate de chaque concept et à leur illustration à l'aide d'exemples. L'étudiant aura l'ocassion de développer sa créativité et sa rigueur au travers de séances d'exercices. Le cours et les séances d'exercices seront également l'occasion pour l'étudiant de découvrir des outils d'analyse de données.

Description des exercices

Les étudiants auront l'occasion de mettre en pratique les connaissances vues au cours théoriques pendant des séances d'exercices.  Chaque bloc de 3 heures de cours sera divisé en +/- 1 heure de cours suivie de +/- 2 heures de mise en pratique.  Plusieurs mini-projets d'analyse de données seront également réalisés individuellement afin de fixer les connaissances grâce à des énoncés intégrateurs des différentes notions du cours.  Ces mini-projets seront effectués pendant les heures prévues pour le cours.


Pré-requis

Les unités d’enseignement d’une des propositions suivantes:

  1. Probabilité et statistiques [IHDCB231]
  2. Probabilités et statistique [INFOB223]

Mode d'évaluation

L'étudiant sera évaluée sur sa capacité à mettre en oeuvre les compétences et connaissances du cours pour réaliser des petits projets d'analyse de données.  Cette évaluation continue repose sur la réalisation de plusieurs mini-projets durant le quadrimestre.  Ces mini-projets seront effectués individuellement et interviendront à part égale pour l'évaluation continue.  La participation aux séances prévues pour ces mini-projets est obligatoire : une absence non-justifiée sera sanctionnée par un 0/20 pour le mini-projet concerné.

Langue d'enseignement

Français

Lieu de l'activité

NAMUR

Faculté organisatrice

Faculté d'informatique
rue Grandgagnage 21
5000 NAMUR
T. 081725252
F. 081724967
secretariat.info@unamur.be