Université Lyon 1
Arqus
Accueil  >>  Master  >>  Econométrie, statistiques  >>  M2 Data Analyst et risk management  >>  Data mining, text mining et visualisation
  • Domaine : Masters du domaine SCIENCES ET TECHNOLOGIES
  • Diplôme : Master
  • Mention : Econométrie, statistiques
  • Parcours : M2 Data Analyst et risk management
  • Unité d'enseignement : Data mining, text mining et visualisation
Nombre de crédits de l'UE : 3
Code APOGEE : ACT2210M
UE Libre pour ce parcours
UE valable pour le semestre 1 de ce parcours
    Responsabilité de l'UE :
COULOUMY AURELIEN
 acouloumylive.fr
04.37.28.74.40
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
12 h
Travaux Dirigés (TD)
18 h
Travaux Pratiques (TP)
0 h
Durée de projet en autonomie (PRJ)
0 h
Durée du stage
0 h
Effectif Cours magistraux (CM)
210 étudiants
Effectif Travaux dirigés (TD)
35 étudiants
Effectif Travaux pratiques (TP)
18 étudiants

* Ces horaires sont donnés à titre indicatif.

    Pré-requis :

Connaissance des principales méthodes d’analyse de données factorielle et de clustering, notions de langage R/python.

    Compétences attestées (transversales, spécifiques) :

Être capable d’identifier la nature du problème posé par l’exploitation d’une base de données, de réaliser une sélection de méthodes adaptées à ce problème.

Être capable d’échafauder un processus d’analyse complet, partant de l’identification des sources de données brutes, en passant par les étapes de qualification de ces données et de formatage, puis l’application de méthodes de Data Mining permettant de dégager une information de valeur, jusqu’à la restitution de l’information grâce à la data visualisation.

Développer les capacités de programmation avec le langage R/python.
    Programme de l'UE / Thématiques abordées :

Cet enseignement sera développé autour de trois axes :

  • Un axe prolongeant l’enseignement d’analyse de données et de segmentation en abordant des techniques d’apprentissage supervisé, dépassant le cadre de l’analyse exploratoire, et permettant de construire des modèles prédictifs (arbres de décision, réseaux de neurones, …).
  • Un axe dédié au développement de connaissances autour des techniques de Text Mining. Après une présentation des outils permettant de collecter et reformater de l’information textuelle, des méthodes et des synthèses d’information classiques dans ce type d’analyse, quelques exemples d’applications seront présentés.
  • Un axe développant les compétences autour des outils adéquats à la construction de représentations graphiques à la fois adaptées aux méthodes présentées et à la nature des données analysées et offrant des possibilités d’interactivité lorsque cela présente un intérêt pour l’utilisateur.
Date de la dernière mise-à-jour : 20/04/2018
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='18052' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`