| Libellé du cours : | Analyse de données |
|---|---|
| Département d'enseignement : | EEA / Electronique Electrotechnique Automatique |
| Responsable d'enseignement : | Monsieur AHMED RAHMANI |
| Langue d'enseignement : | Français |
| Ects potentiels : | 0 |
| Grille des résultats : | |
| Code et libellé (hp) : | IE5_DATA_ING_MLE - Machine Learning |
Equipe pédagogique
Enseignants : Monsieur AHMED RAHMANI
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Dans un système d’information décisionnel, les données opérationnelles sont périodiquement extraites de sources généralement hétérogènes (fichiers à plats, fichiers Excel, bases de données relationnelles …). Elles sont ensuite soit restructurées et agrégées pour être présentées aux décideurs sous forme de tableaux de bord interactifs et synthétiques. Dans certains cas des outils d’analyse basés sur des outils d’intelligence artificielle sont nécessaires afin d’analyser ces données et proposer des prédictions. L’objectif de cette Unité d’Enseignement est d’apprendre comment analyser les données provenant de différentes sources du Système d’Information d’Entreprise afin d’apporter de l’aide à la décision. L’intelligence artificielle est une autre forme de méthodes d’analyse de données basée sur l’apprentissage afin d’offrir une aide à la décision et à la prédiction.
Objectifs pédagogiques
Savoir créer et/ou consulter une base de donnée Savoir extraire les données des différentes sources hétérogènes Savoir analyser les données et les présenter sous forme de data sheet Savoir appliquer les méthodes d'IA d’offrir une aide à la décision et à la prédiction.
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Evaluation pratique : coef 1
La note de ce module sera la moyenne des notes des matières qui le composent
Ressources en ligne
Page Moodle de cet enseignement sur le site de Centrale Lille
Pédagogie
Les séances de formation seront sous forme de cours et TP et traiteront de données provenant de cas réels.
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 6 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 10 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 0 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 0 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Modules IE4 Langage Python