Section:
Master en Architecture des systèmes informatiques
Codification:
217TH
Méthodes et Outils pour le traitement des Données - Théorie
Enseignants:

Volume horaire:
30
Pondération:
50
Activité obligatoiore:
Oui
Année académique:
2017-2018

Place de l'activité d'apprentissage dans le programme
Articulation avec d'autres activités d'apprentissage
Activités d'apprentissage supports + acquis d'apprentissage préalables requis

Activités d'apprentissage complémentaires

Acquis d'apprentissage spécifiques sanctionnés par l'évaluation

L'étudiant sera capable au terme de l'activité d'apprentissage de :

- expliquer (dans le détail, en référence à la théorie) et interpréter les différents paramètres d'un modèle généré par le logiciel statistique R
- comparer des modèles proposés pour une problématique donnée
- s'exprimer avec précision et rigueur

Contenu

Chapitre 1 : Rappels statistiques descriptive & inférentielle
Chapître 2 : Détection des anomalies + exercices
Chapître 3 : Régression linéaire simple et multiple + exercices
Chapître 4 : Analyse en composantes principales + exercices
Chapître 5 (si temps) : Segmentation (clustering) + exercices

Méthodes d'enseignement-apprentissage mises en oeuvre

Partie théorique ex-cathédra.
Séances d'exercices : au travers des exercices proposés, les étudiants apprennent à utliser le logiciel R pour générer leurs résultats statistiques, à comprendre et expliquer le sens de ceux-ci et à les interpréter.

Modalités d'évaluation de l'activité d'apprentissagee
Septembre - JanvierSeconde Session
InterrosEvaluation continue
Pondération : 100%
Examen écrit
Pondération : 100%

Pondération en % par rapport au total de l’activité d’apprentissage ou de l’UE si l’évaluation est intégrée.

Description éventuelle

    Cette activité est évaluée sous forme d'évaluation continue. Chaque chapitre sera évalué lors d'une interrogative dont la pondération correspond au nombre d'heures passées en cours sur le sujet. Si la note d'une interrogation est inférieure à 7/20, l'étudiant se verra attribuer la note la plus basse.

Ressources
Supports indispensables pour atteindre les acquis d'apprentissage

    Le syllabus déposé sur le portail

Sources et référence

    Ref : « exploration des données – Méthodes et modèles du data mining » Daniel T. Larose.
    http://spss.espaceweb.usherbrooke.ca/pages/stat-inferentielles/regression-simple.php
    site et livre de Frédéric Bertrand, maître de conférences, université de Strasbourg (+ Myriam Maumy)

 Retour