Unité d'enseignement :
Big data
Nombre de crédits : 2 ECTS
Code Apogée : PL9017MM Contient des enseignements proposés en anglais et des documents totalement disponibles en anglais
Type d'enseignement
Nb heures *
Cours Magistraux (CM)
15 h
Travaux Pratiques (TP)
18 h
Durée de projet en autonomie (PRJ)
3 h
Activité tuteurée personnelle (étudiant)
6 h
Activité tuteurée encadrée (enseignant)
3 h
Heures de Tutorat étudiant
0 h
* Ces horaires sont donnés à titre indicatif.
Pré-requis et objectifs :
Cursus Mathématiques appliquées niveau M1 validé avec des acquis de Python, de Statistique et de Probabilités.
Acquis intermédiaires d’apprentissage et compétences visés :
Connaissance des principes de l'apprentissage supervisé et ses applications.
Programme de l'UE / Thématiques abordées :
Maîtrise de quelques algorithmes phares de machine learning (arbres de décision, Bagging, Random Forest, Bayesian networks), les critères d'évaluation et la mise en application en TP avec Scikit-Learn.
Méthodes d’évaluation :
- Examens écrits individuels en temps limité (QCM, restitution de connaissances théoriques, résolution de problèmes…)
- Interrogations orales individuelles
- Travaux tutorés autonomes soutenus ou exposés
- Rapports de travaux pratiques individuels ou en groupe
- Exposés individuels ou en groupe
Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 14/04/2025
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='30583' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`
