Descriptif
Ce cours fait un tour d'horizon des méthodes pour l'analyse
exploratoire des données massives. On y présente la préparation des
données, les bases de l'évaluation des algorithmes du machine
learning, quelques grands algorithmes pour le clustering, la
fouille de motifs, ou la recommandation.
Une partie du cours est dédiée à la mise en pratique des méthodes vues
en cours avec des TPs et surtout un projet impliquant de récupérer
puis d'exploiter des données ouvertes à l'aide de bibliothèques.
Objectifs pédagogiques
Le lexique du Machine Learning
Connaissance des algorithmes les plus classiques
Compréhension d'un pipeline standard d'analyse de données
Mise en pratique et utilisation de bibliothèque (scikit, pandas, etc.)
effectifs minimal / maximal:
/60Diplôme(s) concerné(s)
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Big Data : gestion et analyse des données massives
Vos modalités d'acquisition :
Le cours est noté à l'aide des travaux pratiques et du projet
Rentre dans le calcul de la moyenne du BE1.
Conformément au règlement scolaire (art.3.3.2 page 6) : "Si l'étudiant obtient une note de BE inférieure à 10, il peut passer un examen de rattrapage pour toute ue de ce BE pour laquelle il a obtenu une note inférieure à 10".
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.