Filière :
Licence Nationale en Informatique de Gestion :Business Intelligence
Niveau :
2
Matière :
Analyse et fouille de données
Régime Éducatif :
Régime Mixte
Volume Horaire par semestre :
31.5
Type d'enseignement :
TP ; Cours
Enseignant (s) :
Coordinateur :
Examens et évaluation des connaissances :
| ECUE | Contrôle continue | Examen final | Coef. de l’ECUE | Coef. de l’UE au sein du parcours | ||||||
| EPREUVES | Pondération | EPREUVES | Pondération | |||||||
| Ecrit | Oral | TP et Autres | Ecrit | Oral | TP et Autres | |||||
| Analyse et fouille de données | X | X | 30% | X | 70% | 1 | 1 | |||
Objectifs du Cours :
Ce cours vise à faire acquérir à l’apprenant les concepts de base, les principes, les méthodes, les techniques de mise en œuvre et les applications d’analyse de données. Il y a beaucoup de confusion autour du terme "Fouilles de données" et sa liaison avec "science des données" ou "apprentissage automatique". Il s'agit généralement d'apprendre aux ordinateurs à faire des décisions eux-mêmes.
Le départ vient des statistiques. Nous exploitons par la suite le croisement des statistiques et de l'informatique. Il s’agit de développer des algorithmes robustes vu l’immense quantité de données et les implémenter de manière intelligente. Nous parlerons dans ce cours de l’apprentissage supervisé et non supervisé.
Plan du Cours :
Chapitre 1 : Introduction
- Introduction au machine learning
- Analyse et Fouille des Données, qu’est-ce que c’est ?
- Analyse et Fouille des Données, pourquoi ?
Chapitre 2 : Classification automatique
- Typologie des méthodes de fouilles de données
- Approches de classification
- K-Moyennes
Chapitre 3 : Apprentissage supervisé
- k plus proches voisins
- Validation croisée
- Réseaux de Neurones
- Paramétrage
Méthodes et/ou outils utilisés :
Références scientifiques et supports :