Fouille de données 2
Code UE : USID0D
- Cours
- 4 crédits
Responsable(s)
Ghislaine CHARTRON
Béatrice ARRUABARRENA
Objectifs pédagogiques
Dans la poursuite des cours de fouille de données de M1, cet enseignement vise l’approfondissement du traitement de «?données?». Les techniques de machine learning supervisées et non supervisées sont abordés.
Compétences visées
Cet enseignement vise les compétences techniques de collecte (fichier de logs machine, web scraping, etc.), de pré-traitement et d’analyse par les principales méthodes de Machine Learning?:
1. Exploiter les données dans une démarche analytique et business intelligence (BI) :
Analyses statistiques (statistiques descriptives, inférentielles) afin d’affirmer ou infirmer des hypothèses et/ou stratégies en lien avec les besoins des métiers composant une organisations (SAS, Excel, logiciel R, etc.)
2. Exploiter les données dans une démarche exploratoire (logiciel R, Python):
-analyser à l’aide des techniques de Datamining (fouille de données, analyse spatiale et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissances ou de nouveaux usages ;
- sélectionner et l’utiliser ou éventuellement implémenter des algorithmes de traitements des données à l’aide des méthodes d’apprentissage automatique (machine Learning, Deep Learning, réseaux de neurones)
1. Exploiter les données dans une démarche analytique et business intelligence (BI) :
Analyses statistiques (statistiques descriptives, inférentielles) afin d’affirmer ou infirmer des hypothèses et/ou stratégies en lien avec les besoins des métiers composant une organisations (SAS, Excel, logiciel R, etc.)
2. Exploiter les données dans une démarche exploratoire (logiciel R, Python):
-analyser à l’aide des techniques de Datamining (fouille de données, analyse spatiale et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissances ou de nouveaux usages ;
- sélectionner et l’utiliser ou éventuellement implémenter des algorithmes de traitements des données à l’aide des méthodes d’apprentissage automatique (machine Learning, Deep Learning, réseaux de neurones)
Contenu
Modalité d'évaluation
Projet à réaliser. Contrôle individuel.
Cette UE apparaît dans les diplômes et certificats suivants
Rechercher une formation
RECHERCHE MULTI-CRITERES
-
Vous pouvez sélectionner des formations grâce à un mot ou à une expression présent dans l’intitulé ou dans les index (discipline ou métier visé).
Des index vous sont suggérés à partir du 3e caractère saisi, mais vous pouvez aussi saisir librement tout autre mot . - Les différents items sélectionnés sont croisés.
ex: "Comptabilité" et "Région Grand Est" - Validez par le bouton « Rechercher » ou par la touche Entrée.
- Cette recherche affiche aussi les fiches UE et certificats régionales. Leurs codes les distinguent des fiches nationales par le suffixe de la région (ex : « -IDF » ).
Par défaut, les fiches régionales reprennent le contenu de la fiche nationale correspondante. Mais dans certains cas, des informations régionales ont pu être ajoutées. - Certains diplômes se déclinent selon plusieurs parcours. Pour afficher tous les parcours, tapez la racine du code (ex : « LG035 »).
- Certains stages ont un double code : leur code propre et le code de l’UE ou du certificat équivalent.
- Dans tous les cas, veillez à ne pas insérer d'espace ni de ponctuation supplémentaire.
- Validez par le bouton « OK » (et non pas par la touche Entrée).
Chargement du résultat...
Intitulé de la formation |
Type |
Modalité(s) |
Lieu(x) |
|
---|---|---|---|---|
Intitulé de la formation
Master Méga Données et Analyse Sociale (MéDAS)
|
Lieu(x)
Alternance
|
Lieu(x)
CFA, Paris
|
||
Intitulé de la formation | Type | Modalité(s) | Lieu(x) |
Contact
Voir le calendrier, le tarif, les conditions d'accessibilité et les modalités d'inscription dans le(s) centre(s) d'enseignement qui propose(nt) cette formation.
Enseignement non encore programmé
Code UE : USID0D
- Cours
- 4 crédits
Responsable(s)
Ghislaine CHARTRON
Béatrice ARRUABARRENA