Introduction à la data intelligence et data science

TEB1058-NTEN_IG
Domaine : Sciences Grade académique : Bachelier en informatique, orientation développement d'applications - Namur Niveau de certification : 6 Cycle : Premier Cycle Année académique : 2026-2027 ( Q2 )

Crédits ECTS

2

Volume horaire

24 h

Programme d'études

Programme Bloc Caractère
IE-Bachelier en informatique, orientation développement d'applications 1 Obligatoire

Prérequis

Aucun

Co-requis

Aucun

Implantation

Département technique de Namur

Directeur de département du domaine

Benoît Dujardin

Responsable de l'UE

Christine CHARLIER

Enseignants intervenants

  • Christine CHARLIER
Partie 1

Contribution de l'UE au profil d'enseignement du programme et acquis d'apprentissage spécifiques (AAS) sanctionnés par l'évaluation

Contextualisation

AAT1 - Analyse les besoins des clients et établit les spécifications d’une solution informatique répondant à ces besoins 

AAT2 - Programme des applications logicielles sur base de spécifications répondant aux besoins du client 

AAT10 - Exploite des données en provenance du système d’informations de l’entreprise, des réseaux sociaux, des objets connectés ou toute autre source de données via des technologies issues de l’Intelligence Artificielle (Machine Learning...) en vue d'aider l’entreprise à la décision 

Acquis d'apprentissage spécifiques (AAS)

Sur base d’une situation problème simple relative à la data science ou à l'intelligence artificielle, l'étudiant sera capable de :

	- Décrire les différents concepts théoriques qui s'y rattachent en utilisant le vocabulaire adéquat ;
	- Savoir élaborer et défendre des réponses pertinentes à des questions de culture générale relatives à la data intelligence et l'intelligence artificielle ;
	- Proposer, décrire et mettre en place une solution adaptée basée sur les méthodologies et concepts de la data science ;
	- Justifier les choix proposés à chaque étape du processus. 

Contribution aux ODD

Document annexe à la fiche UE accessible via un lien explicitant en quoi le programme d’études s’inscrit dans une politique de développement durable. Une ou plusieurs UE spécifique(s) pourraient être ciblée(s) dans cette annexe.

Partie 2

Description de l'unité d'enseignement

Objectifs

À définir

Contenu

- Généralités sur le monde de la donnée
- Initiation au Machine Learning
- Initiation aux LLM
- Exercices divers sur la gestion et l'utilisation des données.

Sources et références

À définir

Supports de cours (avec mention des supports indispensables)

Activité d'apprentissage Support
ATEN1058 — Introduction à la data intelligence et data science
  • Cours théorique :

    • power point et/ou syllabus

  • Exercices :

    • Enoncés d'exercices

    • Les solutions correspondant aux exercices sur Excel

  • Examen de l'année antérieure

Partie 3

Méthodologie mise en œuvre et éventuel découpage de l'UE

Description des activités d'apprentissage (AA) au regard de leur statut

Activité d'apprentissage Heures Langue d'enseignement Langue d'évaluation
ATEN1058 — Introduction à la data intelligence et data science 24 h Français Français

Méthodes d'enseignement et d'apprentissage

Activité d'apprentissage Méthodes d'enseignement et d'apprentissage
ATEN1058 — Introduction à la data intelligence et data science

Cours théorique ex-cathedra avec tous les groupes

Laboratoires d'exercices par groupe

Détermination de la cohérence pédagogique en cas de regroupement d'activités d'apprentissage faisant l'objet d'une évaluation distincte

À définir

Partie 4

Évaluation de l'unité d'enseignement

Structure du dispositif général d'évaluation (en lien avec le programme d'études)

Evaluation intégrée : Non

Remédiable : Oui

Méthodologie de construction de la note finale de l'UE

Pondération de l’AA (%) - 100%

La pondération de l'évaluation de l'UE à des fins de délibération lors du calcul de la moyenne

Au sein du programme d'études, lors du calcul de la moyenne, la pondération de l'évaluation de l'unité d'enseignement est effectuée sur base des crédits affectés à cette unité d'enseignement et évalués

Modalités d'évaluation par activité d'apprentissage

Activité d'apprentissage Modalités d'évaluation
ATEN1058 — Introduction à la data intelligence et data science

L'examen consistera en un examen Moodle (théorie et exercices) et éventuellement, une partie sur PC

Modalités concrètes d'évaluation

Une mention sur la fiche informera les étudiants du fait que les précisions sur les épreuves seront disponibles sur Moodle au plus tard 6 semaines avant l'évaluation.

UI: 0e65b5f2 | API: 1ec9dd56