- Faculté d'informatique
- 35 crédits
Les modalités pratiques sont disponibles ici.
Th.+Ex. | Crédits/Bloc | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | ||||||||||||
| ||||||||||||
Enseignements disciplinaires | ||||||||||||
IDASM102 | Machine learning et data mining | Frénay Benoît, Mouthuy Sébastien (suppléant) | 30h+15h | 6 | ||||||||
EDASM101 | Business intelligence | Linden Isabelle, Linden Isabelle | 45h+15h | 5 | ||||||||
IDASM101 | Big data : ingénierie et traitement | Cleve Anthony, Cleve Anthony | 30h+15h | 5 | ||||||||
IDASM103 | Visualisation de l'information | Dumas Bruno, Dumas Bruno | 30h+15h | 4 | ||||||||
SDASM101 | Graph mining | 20h+20h | 5 | |||||||||
Projet individuel | ||||||||||||
IEDSC001 | Projet individuel | Frénay Benoît | 10 |
Crédits | Heures/Quadrimestre | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 2 | |||||||||||
| ||||||||||||
Enseignements disciplinaires | ||||||||||||
IDASM102 | Machine learning et data mining | Frénay Benoît, Mouthuy Sébastien (suppléant) | 6 | 30 - 15 | ||||||||
EDASM101 | Business intelligence | Linden Isabelle, Linden Isabelle | 5 | 45 - 15 | ||||||||
IDASM101 | Big data : ingénierie et traitement | Cleve Anthony, Cleve Anthony | 5 | 30 - 15 | ||||||||
IDASM103 | Visualisation de l'information | Dumas Bruno, Dumas Bruno | 4 | 30 - 15 | ||||||||
SDASM101 | Graph mining | 5 | 20 - 20 | |||||||||
Projet individuel | ||||||||||||
IEDSC001 | Projet individuel | Frénay Benoît | 10 |
configurer ou développer des outils nécessaires à la collecte, l'extraction, le stockage et la préparation de données destinées à des fins d'analyse ;
utiliser des techniques computationnelles et/ou mathématiques de traitement adaptées aux données de masse (big data) et aux données disponibles sous des formats divers;
mettre en œuvre des techniques de data mining et de machine learning pour concevoir des modèles d'analyse de données;
développer des outils de visualisation facilitant la présentation et la compréhension des résultats d'analyse;
mener à bien un projet en data science en intégrant des compétences en management et en analyse de données;
de concevoir des tableaux de bord et de définir des indicateurs de performance (KPI) permettant de guider la prise de décision au sein d'une organisation.
Il est conçu pour offrir aux professionnels une formation intégrée à leur environnement professionnel grâce à un projet individuel.
Cette formation s'adresse :
aux personnes actives professionnellement dans une organisation où ils pourront contextualiser leur formation par rapport à leur activité professionnelle ;
à tout profil répondant aux prérequis (maîtrise suffisante de la programmation, des bases de données et des mathématiques, telles qu'utilisées en data science). Par exemple: ingénieur civil, statisticien, scientifique spécialisé en traitement des données, scientifique spécialisé en bioinformatique, etc.
Trois modules de mise à niveau obligatoires sont organisés avant le début des cours afin de permettre à chaque participant d'entamer la formation avec le bagage minimum :
L'ensemble du programme représente 35 crédits et comprend
Ce projet ambitieux s'étalera sur toute l'année et permettra à l'étudiant de mettre en pratique le contenu des cours et d'avoir directement un retour dans le cadre professionnel.
Pour les personnes sans possibilité de contextualiser la formation dans leur environnement professionnel, le projet sera réalisé en collaboration avec une organisation partenaire de l'UNamur.
La formation se déroule à la Faculté d’informatique de l'Université de Namur.
Rue Grandgagnage 21 - 5000 Namur
Pour l'année académique 2018-2019, les cours débuteront le 17 septembre 2018 pour se clôturer fin mai 2019. En plus des cours, trois jours de modules obligatoires de mise à niveau en bases de données, en programmation et en mathématiques seront organisés avant le début des cours. Pour permettre à des professionnels actifs de suivre la formation, les unités d'enseignement seront exclusivement organisées le lundi, de 8h30 à 18h00 avec pause de midi.
La formation propose une approche large des data sciences. Elle associe les compétences de professeurs :
Ces trois expertises sont soutenues par le Namur Digital lnstitute (NADI) et l'Institut de recherche naXys. Le coordinateur du programme est Benoît Frenay, professeur à la Faculté d'informatique.
Les conditions qui devront être remplies seront les suivantes :
Admission sur dossier :