Programme d’études 2022-2023 | English | ||
Analyse des données expérimentales | |||
Unité d’enseignement du programme de Master : ingénieur civil en informatique et gestion (CHARLEROI) (Horaire décalé) à la Faculté Polytechnique |
Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
---|---|---|---|---|
UI-M1-IRIGIG-111-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 de l'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 : descriptif et cohérence pédagogique
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'activités
AA | Types d'activités |
---|---|
I-MARO-156 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
I-MARO-156 |
|
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
I-MARO-156 | syllabus de théorie et exercices pratiques |
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 |
Evaluation du quadrimestre 2 (Q2) - type
AA | Type(s) et mode(s) d'évaluation Q2 |
---|---|
I-MARO-156 |
|
Evaluation du quadrimestre 2 (Q2) - commentaire
AA | Commentaire sur l'évaluation Q2 |
---|---|
I-MARO-156 | épreuve écrite pour la théorie, suivie d'une épreuve sur ordinateur pour la partie pratique |
Evaluation du quadrimestre 3 (Q3) - type
AA | Type(s) et mode(s) d'évaluation du Q3 |
---|---|
I-MARO-156 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
AA | Commentaire sur l'évaluation Q3 |
---|---|
I-MARO-156 | épreuve écrite pour la théorie, épreuve sur ordinateur pour la partie pratique |