Programme d’études 2018-2019 | English | ||
Analyse des données expérimentales | |||
Unité d’enseignement du programme de Master ingénieur civil en informatique et gestion (Charleroi (Hor. décalé)) à la Faculté Polytechnique |
Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
---|---|---|---|---|
UI-M1-IRIGIG-830-C | UE Obligatoire | SIEBERT Xavier | F151 - Mathématique et Recherche opérationnelle |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
---|---|---|---|---|---|---|---|---|---|
| Français | 30 | 12 | 0 | 0 | 0 | 4 | 4.00 | 2e quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
I-MARO-156 | Analyse des données expérimentales | 30 | 12 | 0 | 0 | 0 | Q2 | 100.00% |
Unité d'enseignement |
---|
Objectifs par rapport aux acquis d'apprentissage du programme
Acquis d'apprentissage UE
mener une analyse statistique multivariée sur des fichiers de données numériques;
interpréter les résultats de telles analyse;
comprendre et savoir utiliser des méthodes de classification (supervisée ou non).
comprendre les principes de la planification expérimentale
Contenu de l'UE
analyse et représentation des données; méthodes factorielles: (analyse en composantes principales, correspondances multiples, analyse des rangs, ... ); régression, analyse de la variance; classification supervisé et non-supervisée; plans d'expériences. Logiciels : R, Weka
Compétences préalables
statistique descriptive à une dimension (cours de proba/stat)
algèbre, analyse
Types d'évaluations Q2 pour l'UE
Commentaire sur les évaluations Q2 de l'UE
épreuve écrite pour la théorie, suivie d'une épreuve sur ordinateur pour la partie pratique
Types d'évaluation Q3 pour l'UE
Commentaire sur les évaluations Q3 de l'UE
épreuve écrite pour la théorie, suivie d'une épreuve sur ordinateur pour la partie pratique
Types d'activités
AA | Types d'activités |
---|---|
I-MARO-156 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
I-MARO-156 |
|
Supports principaux
AA | |
---|---|
I-MARO-156 |
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
I-MARO-156 | syllabus de théorie et exercices pratiques |
Supports complémentaires
AA | |
---|---|
I-MARO-156 |
Supports complémentaires non reproductibles
AA | Support complémentaires non reproductibles |
---|---|
I-MARO-156 | Sans objet |
Autres références conseillées
AA | Autres références conseillées |
---|---|
I-MARO-156 | I. H. Witten, E. Frank. Data Mining : "Practical Machine Learning Tools and Techniques with Java Implementations". Morgan Kaufmann, 2010 J-M. Azaïs, J-M. Bardet, "Le Modèle Linéaire par l'exemple : Régression, Analyse de la Variance et Plans d'Expériences. Illustrations numériques avec les logiciels R, SAS et Splus", Dunot, 2006 R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, "Probability and Statistics for Engineers and Scientists", Prentice Hall, 2012 |
Reports des notes d'AA d'une année à l'autre
AA | Reports des notes d'AA d'une année à l'autre |
---|---|
I-MARO-156 | Autorisé |