Programme d’étudesEnglish
Analyse des données statistiques
Unité d’enseignement du programme de Master ingénieur civil en informatique et gestion à la Faculté Polytechnique
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
UI-M1-IRIGIG-007-MUE ObligatoireSIEBERT XavierF151 - Mathématique et Recherche opérationnelle
  • PIRLOT Marc
  • SIEBERT Xavier

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français3060003.003.00

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-MARO-014Analyse des données statistiques306000Q1100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Imaginer, concevoir, réaliser et mettre en oeuvre des modèles conceptuels et des solutions informatiques pour répondre à des problèmes complexes notamment de décision, d'optimisation, de gestion et de production dans le cadre d'une démarche d'innovation en entreprise en intégrant l'évolution des besoins, contextes et enjeux (techniques, économiques, sociétaux, éthiques et environnementaux).
    • Sur base d'une modélisation, concevoir un système ou une stratégie répondant au problème posé ; les évaluer compte tenu des différents paramètres du cahier des charges.
    • Concrétiser une solution choisie sous la forme de diagrammes, de graphes, de prototypes, de logiciels et/ou de modèles numériques.
  • Mobiliser un ensemble structuré de connaissances et compétences scientifiques et techniques spécialisées permettant de répondre, avec expertise et adaptabilité, aux missions de l'ingénieur civil en Informatique et Gestion
    • Maîtriser et mobiliser de façon pertinente des connaissances, des modèles, des méthodes et des techniques relatifs au domaine de l'Informatique et Gestion
    • Evaluer la validité des modèles et des résultats compte tenu de l'état de la science et des caractéristiques du problème.
  • Communiquer et échanger des informations de manière structurée - oralement, graphiquement et par écrit, en français et dans une ou plusieurs autres langues - sur les plans scientifique, culturel, technique et interpersonnel en s'adaptant au but poursuivi et au public concerné.
    • Utiliser et produire des documents scientifiques et techniques (modélisation mathématique, architecture des données et du logiciel, rapport, cahier des charges, analyse financière, documentation et manuels, ...) adaptés au but poursuivi et au public concerné.
  • Agir en professionnel responsable, faisant preuve d'ouverture et d'esprit critique, inscrit dans une démarche de développement professionnel autonome.
    • Exploiter les différents moyens mis à disposition pour se documenter et se former de manière autonome.
  • Contribuer par un travail de recherche à la solution innovante d'une problématique en sciences de l'ingénieur.
    • Concevoir et mettre en oeuvre des analyses conceptuelles, des modélisations numériques, des implémentations logicielles, des études expérimentales et des analyses comportementales.
    • Récolter et analyser des données avec rigueur.

Acquis d'apprentissage UE

- comprendre et expliquer la théorie, les modèles et les techniques utilisées
- identifier le(s) modèle(s) convenant pour un jeu de données 
- analyser des jeux de données à l'aide d'un logiciel
- interpréter les résultats fournis par le logiciel, en montrant une compréhension de la théorie

Contenu de l'UE

- techniques descriptives comme l'analyse en composantes principales et l'analyse factorielle discriminante
- modèles classiques d'analyse des données statistiques (analyse de la variance, régression linéaire)
- data mining (méthodes de classification, supervisée et non-supervisée)

Compétences préalables

statistiques élémentaires
algèbre, analyse
 

Types d'évaluations Q1 pour l'UE

  • Néant

Commentaire sur les évaluations Q1 de l'UE

Sans objet

Types d'évaluations Q2 pour l'UE

  • Examen oral
  • Examen écrit

Commentaire sur les évaluations Q2 de l'UE

Questions théoriques et pratiques de divers degrés de difficulté

Types d'évaluation Q3 pour l'UE

  • Examen oral
  • Examen écrit

Commentaire sur les évaluations Q3 de l'UE

idem Q2

Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

  • Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

Sans objet

Types d'activités

AATypes d'activités
I-MARO-014
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur
  • Etudes de cas

Mode d'enseignement

AAMode d'enseignement
I-MARO-014
  • Face à face

Supports principaux

AA
I-MARO-014

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-MARO-014- syllabus de théorie et d'exercices pratiques
- diapositives

Supports complémentaires

AA
I-MARO-014

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-MARO-014syllabus de théorie et exercices pratiques

Autres références conseillées

AAAutres références conseillées
I-MARO-014R.O.Duda, P.E.Hart, D.G.Stork. "Pattern Classification". John Wiley and Sons, 2000.

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

AAReports des notes d'AA d'une année à l'autre
I-MARO-014Autorisé
Date de génération : 17/03/2017
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be