5 crédits
30.0 h + 22.5 h
Q1
Enseignants
Blondel Vincent; Delvenne Jean-Charles coordinateur; Krings Gautier (supplée Blondel Vincent); Peel Leto (supplée Delvenne Jean-Charles);
Langue
d'enseignement
d'enseignement
Anglais
Préalables
Une certaine familiarité avec l'algèbre linéaire (par ex LFSAB1101 et LFSAB1102) et les mathématiques discrètes (par ex LINMA 1691) est requise.
Thèmes abordés
L'objet du cours est d'explorer des questions principalement algorithmiques relatives aux défis posés par les données massives (Big Data).
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
1 | Eu égard au référentiel AA, ce cours contribue au développement, à l¿acquisition et à l¿évaluation des acquis d¿apprentissage suivants :
Plus précisément, au terme du cours, l¿étudiant sera capable de :
Les objectifs mathématiques ou d¿implémentation peuvent varier d'année en année.
|
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) ».
Contenu
Le contenu du cours pourra varier d'année en année et toucher diverses questions algorithmiques reliées au stockage, à la diffusion et à l'analyse des données massives (Big Data). Par exemple, la détection de plagiat, la classification de pages web, la découverte de motifs fréquents, l'analyse des réseaux sociaux, la parallélisation des calculs et du stockage, les principes des réseaux pair-à-pair, etc.
Méthodes d'enseignement
Cours ex cathedra en partie, et en partie constitué de présentations faites par les étudiants sur la base d'un chapitre de livre ou autres documents.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Examen écrit ou bien oral avec préparation écrite. Présentation écrite et orale de matière théorique et/ou d'une analyse de données réelles pendant le quadrimestre.
Ressources
en ligne
en ligne
Bibliographie
Variable.
Faculté ou entité
en charge
en charge
MAP
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : ingénieur civil en science des données
Master [120] : ingénieur civil en informatique
Master [120] : bioingénieur en sciences agronomiques
Master [120] : bioingénieur en sciences et technologies de l'environnement
Master [120] en statistique, orientation générale
Master [120] en sciences informatiques
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] en science des données, orientation statistique
Master [120] en science des données, orientation technologies de l'information