5 crédits
30.0 h
Q1
Enseignants
Fouss François;
Langue
d'enseignement
d'enseignement
Anglais
Préalables
/
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Contribution de l¿unité d¿enseignementau référentiel AA du programme Eu égard au référentiel de compétences du programme de la LSM, cette unité d¿enseignement contribue au développement et à l¿acquisition des compétences suivantes :
Les Acquis d¿Apprentissage au terme de l¿unité d¿enseignement A la fin cette unité d¿enseignement, l¿étudiant est capable de :
|
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Méthodes d'enseignement
Cours magistraux, présentations, intervention d'experts et études de cas.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Evaluation continue.
Projet avec défense orale de celui-ci durant la semaine intermédiaire entre les 2 parties du quadrimestre.
!!! Le projet ne pouvant pas être reproduit, le cours est un cours à évaluation unique (i.e., une fois la note obtenue pour le cours, elle est définitive pour toute l'année académique, et ne peut donc plus être améliorée par la suite) !!!
Projet avec défense orale de celui-ci durant la semaine intermédiaire entre les 2 parties du quadrimestre.
!!! Le projet ne pouvant pas être reproduit, le cours est un cours à évaluation unique (i.e., une fois la note obtenue pour le cours, elle est définitive pour toute l'année académique, et ne peut donc plus être améliorée par la suite) !!!
Bibliographie
Sources potentielles :
Provost & Fawcett (2013) 'Data science for business'. O'Reilly.
Sherman (2014) 'Business intelligence guidebook: from data integration to analytics'. Morgan Kaufmann.
Efraim, Sharda & Delen (2010) 'Decision support and business intelligence Systems'. Pearson.
Leskovec, Rajaraman & Ullman (2014) 'Mining of massive datasets, 2nd ed'. Cambridge University Press.
Kelleher, Mac Namee & D'Arcy (2015) 'Fundamentals of machine learning for predictive data analytics. MIT Press.
Hastie, Tibshirani & Friedman (2009), "The elements of statistical learning, 2nd ed". Springer-Verlag.
Izenman (2008), 'Modern multivariate statistical techniques: regression, classification, and manifold learning. Springer.
Bellanger & Tomassone (2014), "Exploration de données et méthodes statistiques : data analysis & data mining avec le Logiciel R". Ellipses.
Provost & Fawcett (2013) 'Data science for business'. O'Reilly.
Sherman (2014) 'Business intelligence guidebook: from data integration to analytics'. Morgan Kaufmann.
Efraim, Sharda & Delen (2010) 'Decision support and business intelligence Systems'. Pearson.
Leskovec, Rajaraman & Ullman (2014) 'Mining of massive datasets, 2nd ed'. Cambridge University Press.
Kelleher, Mac Namee & D'Arcy (2015) 'Fundamentals of machine learning for predictive data analytics. MIT Press.
Hastie, Tibshirani & Friedman (2009), "The elements of statistical learning, 2nd ed". Springer-Verlag.
Izenman (2008), 'Modern multivariate statistical techniques: regression, classification, and manifold learning. Springer.
Bellanger & Tomassone (2014), "Exploration de données et méthodes statistiques : data analysis & data mining avec le Logiciel R". Ellipses.
Faculté ou entité
en charge
en charge
CLSM
