Programme d’études 2017-2018 | English | ||
Data Science | |||
Unité d’enseignement du programme de Bachelier en sciences de l'ingénieur, orientation ingénieur civil à la Faculté Polytechnique |
Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
---|---|---|---|---|
UI-B3-IRCIVI-313-M | 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 |
---|---|---|---|---|---|---|---|---|---|
Anglais, Français | 0 | 0 | 0 | 0 | 0 | 7 | 7 | 1er quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
I-TCTS-030 | 57.00% | |||||||
I-MARO-014 | 43.00% |
Unité d'enseignement | ||
---|---|---|
UI-B1-IRCIVI-003-M Mathématique pour l'ingénieur 1 | ||
UI-B2-IRCIVI-002-M Mathématiques appliquées | ||
UI-B2-IRCIVI-003-M Probabilité et Statistiques | ||
UI-B2-IRCIVI-009-M Champs, signaux et systèmes |
Objectifs par rapport aux acquis d'apprentissage du programme
Acquis d'apprentissage UE
- analyser diverses formes de données et signaux - comprendre la théorie sous-jacente au développement des composants de base des systèmes de traitement numérique du signal - implémenter ces composants sous MATLAB - comprendre et expliquer la théorie, les modèles et les techniques utilisées pour l'analyse statistique des données - analyser des jeux de données à l'aide d'un logiciel (MATLAB, R, Weka, ...) - interpréter les résultats fournis par le logiciel, en montrant une compréhension de la théorie
Contenu de l'UE
- systèmes numériques linéaires et invariants; analyse fréquentielle de signaux et systèmes numériques; théorème de Shannon et échantillonnage; transformée de Fourier Discrète; analyse spectrale de signaux aléatoires; filtrage numérique; systèmes simples sous MATLAB - techniques descriptives des donneés (analyse en composantes principales, 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
Algèbre, Analyse, fonctions de variables complexes
Types d'évaluations Q1 pour l'UE
Commentaire sur les évaluations Q1 de l'UE
Pondération : Signal processing : 4/7 Analyse des données statistiques : 3/7
Types d'évaluation Q3 pour l'UE
Commentaire sur les évaluations Q3 de l'UE
idem Q1
Types d'évaluation rattrapage BAB1 (Q1) pour l'UE
Commentaire sur les évaluations rattr. Q1 de l'UE
n/a
Types d'activités
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Mode d'enseignement
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Supports principaux
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Supports principaux non reproductibles
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Supports complémentaires
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Supports complémentaires non reproductibles
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Autres références conseillées
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |
Reports des notes d'AA d'une année à l'autre
AA | |
---|---|
I-TCTS-030 | |
I-MARO-014 |