Programme d’études 2019-2020English
Machine learning
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-MC-SCINFO-050-MUE ObligatoireBEN TAIEB SouhaibS861 - Big Data and Machine Learning
  • BEN TAIEB Souhaib

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Anglais, Français
Anglais, Français301500055.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-INFO-256Machine learning3015000Q2100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Gérer des travaux de recherche, de développement ou d'innovation
    • -Etre capable d'appréhender une problématique inédite relevant des sciences informatiques et de ses applications
  • Maîtriser les techniques de communication
    • -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
  • Appliquer une méthodologie scientifique
    • -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
    • -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique.

Acquis d'apprentissage UE

Ce cours permettra aux étudiants d’acquérir des connaissances dans le traitement et l’analyse de grandes quantités de données, plus précisément dans l' apprentissage automatique/statistique, la modélisation, la prédiction, l'extraction de connaissance, ainsi que la visualisation.
 

Contenu de l'UE

Voir unique activité d'apprentissage.

Compétences préalables

Probabilité et statistique de base
Algèbre matricielle de base
Optimisation non-linéaire de base

Types d'évaluations Q2 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit
  • Exercice(s) coté(s)

Commentaire sur les évaluations Q2 de l'UE

Examen écrit (60% des points)
Présentation et travaux (20% des points)
Exercices cotés (20% des points)
Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Examen oral
  • Exercice(s) coté(s)

Commentaire sur les évaluations Q3 de l'UE

Examen oral (60% des points)
Présentation et travaux (20% des points)
Exercices cotés (20% des points)
Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement

Types d'activités

AATypes d'activités
S-INFO-256
  • Cours magistraux
  • Travaux pratiques

Mode d'enseignement

AAMode d'enseignement
S-INFO-256
  • Face à face

Supports principaux

AA
S-INFO-256

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-INFO-256Sans objet

Supports complémentaires

AA
S-INFO-256

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-INFO-256Sans objet

Autres références conseillées

AAAutres références conseillées
S-INFO-256Sans objet

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
S-INFO-256Non autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 14/09/2019
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be