Accueil  >>  Master  >>  Mathématiques appliquées, statistique  >>  Data science  >>  Fondamentaux mathématiques pour les Data Science
  • Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Mathématiques appliquées, statistique
  • Parcours : Data science
  • Unité d'enseignement : Fondamentaux mathématiques pour les Data Science
Nombre de crédits de l'UE : 3
Code APOGEE : INF2357M
UE pour ce parcours
UE valable pour le semestre 3 de ce parcours
    Responsabilité de l'UE :
AUSSEM ALEXANDRE
 alexandre.aussemuniv-lyon1.fr
04.72.43.44.66
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
16 h
Travaux Dirigés (TD)
8 h
Travaux Pratiques (TP)
8 h
Total du volume horaire
32 h
* Ces horaires sont donnés à titre indicatif.
    Programme - Contenu de l'UE :

Le but de cette UE est de fournir aux étudiants les connaissances mathématiques (essentiellement des probabilités et statistiques) de base permettant d’aborder avec plus de sérénité les UE du parcours Date Science qui traitent de la modélisation scientifique.

  •   Familiariser les étudiants avec des notions comme les principales distributions de probabilité, les bases des statistiques descriptives, des statistiques inférentielles, méthodes d’échantillonnage, chaînes de Markov etc.
  • —  Rappels d’algèbre linéaire (matrices, vecteur propres, normes, résolution de systèmes…)
  • —  Calcul matriciel, moindres carrés, analyse spectrale, optimisation sans et avec contraintes
  • —  Notions de calcul de probabilités (indépendance, probabilité conditionnelle, espérance, variance, covariance, corrélation etc.). Principales lois discrètes et continues
  • —  Notion sur l’estimation statistique (méthode du maximum de vraisemblance, estimation ponctuelle, estimation par intervalle de confiance)
  • —  Théorie de l’information, entropie
  • —  Test statistiques et leurs applications à l’analyse des résultats de simulations.
  • —  Principes de simulation. Tirages de nombre aléatoire Méthode de Monte Carlo
  • —  Processus stochastiques, chaînes de Markov, chaînes de Markov cachées (HMM)
  • —  Notions d’analyse des systèmes dynamiques discrets et stochastiques
    Modalités de contrôle des connaissances et Compétences 2018-2019 :
TypeLibelléNatureCoef. 
CCContrôle ContinuCC : DS-Fondamentaux MathsContrôle Continu Intégral3
    Liste des autres Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 22/06/2017
SELECT * 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='16823' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC