Programme d’études 2020-2021English
Big data analytics
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-SCINFO-058-MUE optionnelleBEN 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, Français303000066.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-INFO-075Big Data Analytics3030000Q2100.00%

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
  • Développer et intégrer un fort degré d'autonomie
    • -Etre capable d'acquérir seul de nouveaux savoirs
  • 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

Acquis d'apprentissage UE

Voir l'unique activité d'apprentissage.

Contenu de l'UE

Ce cours faisant suite au cours "Machine learning", il couvre d'autres sujets liés à l'analyse de grandes quantitées de données qui permettent de compléter et d'approfondir les notions vues précédemment.

Compétences préalables

Avoir suivi avec succès le cours "Machine learning".

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-075
  • Cours magistraux
  • Travaux pratiques

Mode d'enseignement

AAMode d'enseignement
S-INFO-075
  • Mixte

Supports principaux

AA
S-INFO-075

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-INFO-075Sans objet

Supports complémentaires

AA
S-INFO-075

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-INFO-075Sans objet

Autres références conseillées

AAAutres références conseillées
S-INFO-075Sans 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-075Non 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 : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be