Université Lyon 1
Arqus
Accueil  >>  Master  >>  Mathématiques appliquées, statistique  >>  Data science  >>  Logiciels scientifiques
  • Domaine : Masters du domaine SCIENCES ET TECHNOLOGIES
  • Diplôme : Master
  • Mention : Mathématiques appliquées, statistique
  • Parcours : Data science
  • Unité d'enseignement : Logiciels scientifiques
Nombre de crédits de l'UE : 3
Code APOGEE : MAT1070M
    Responsabilité de l'UE :
CLOPEAU THIERRY
 thierry.clopeauuniv-lyon1.fr
04.72.44.85.15
PERRUT ANNE
 anne.perrutuniv-lyon1.fr
04.26.23.45.56
    Contact scolarité :
DéPARTEMENT MATHéMATIQUES scolarité
 scolarite.mathematiquesuniv-lyon1.fr
    Type d'enseignement
Nb heures *
Travaux Pratiques (TP)
30 h

* Ces horaires sont donnés à titre indicatif.

    Compétences attestées (transversales, spécifiques) :
Non rédigé
    Programme de l'UE / Thématiques abordées :

Dans cet enseignement, plusieurs environnements ou langages seront étudiés : Matlab, R (dont Rcpp), Python.

Un tiers du temps environ sera accordé à chacun.

Matlab :

- Éléments de syntaxe. Manipulation vectorielle et matricielle.

- Test booléens. Programmation conditionnelle. Fonctions. Mise au point d'un programme.

- Programmation avancée.

- Calcul à précision finie. Stockage machine des nombres réels. Mise en évidence d'erreurs d'arrondi. Erreurs par compensation. Conditionnement et algorithme de résolution matricielle. Méthode du pivot de Gauss. Stratégie de cadrage et de recherche de pivot.

R : introduction à l’environnement Rstudio. Bases de R : structures (vecteurs, matrices, listes, data frame, facteur), extraction, conventions pour l’écriture d'une fonction. Bonnes conduites dans la programmation. Mesure d’un temps d’exécution et comparaison de performances. Optimisation des vitesses d’exécution via Rcpp (bibliothèque permettant d’intégrer C++). 

Python : découverte du langage en quelques exemples bien choisis.

- éléments de syntaxe : boucles, conditions, fonctions et bibliothèques

- bibliothèques de calcul scientifique : numpy et matplotlib

- bibliothèque de traitement et analyse de données : pandas

Chaque étape d’apprentissage se fera sur des exemples en lien avec des problèmes de mathématiques et de statistique (intégration trapèze et Simpson, méthodes de Monte-Carlo...) ou sur des jeux de données réelles (données météorologiques, flux de populations…).

Date de la dernière mise-à-jour : 12/06/2023
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='8682' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`