Crédits ECTS
5
Volume horaire
52 h
Programme d'études
| Programme | Bloc | Caractère |
|---|---|---|
| IE-Bachelier en informatique, orientation intelligence artificielle | 2 | Obligatoire |
Prérequis
Co-requis
Implantation
Département technique de Namur
Directeur de département du domaine
Benoît Dujardin
Responsable de l'UE
Candy SONVEAUX
Enseignants intervenants
- Participer à l’analyse, la conception, la programmation, le test et la maintenance d’applications informatiques en s’inscrivant dans une démarche de formation permanente, notamment en exploitant toute source documentaire y compris en anglais (AAT8)
- Concevoir, gérer (administrer) et utiliser des bases de données à des fins opérationnelles et décisionnelles (AAT9)L'étudiant sera capable au terme de l'unité d'enseignement de :
- Manipuler les notions de base du calcul matriciel et de la théorie des graphes, et construire des outils informatiques permettant de les exploiter
- Formuler des hypothèses nulles et alternatives et de les tester en recourant à des techniques appropriées, notamment avec l'outil Python
- Interpréter les résultats de ces tests d’hypothèses et d’en déduire leurs conséquences face à au moins une situation se prêtant à la mise en œuvre de méthodes de traitement de données opérationnelles par l’outil statistique
- Appliquer des méthodes analytiques et numériques pour traiter et exploiter des informationsDocument 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.
À définir
- Calcul matriciel (notions de base, déterminant, valeurs et vecteurs propres, résolution de systèmes d'équations) et implémentation en Python
- Théorie des graphes (notions de base : graphe eulérien, graphe hamiltonien, matrice d'adjacence, ... ; et algorithmes)
- Statistiques inférentielles (notions de base, principaux tests d'hypothèses : test Normal, test Student, Khi-Carré, ... )
- Introduction à l'optimisation (dérivation, matrice Hessienne, algorithme du gradient, ... )À définir
| Activité d'apprentissage | Support |
|---|---|
| ATEN2006 — Modélisation et traitement des données | - Slides du cours théoriques - Syllabus d'exercices |
| Activité d'apprentissage | Heures | Langue d'enseignement | Langue d'évaluation |
|---|---|---|---|
| ATEN2006 — Modélisation et traitement des données | 52 h | Français | français |
| Activité d'apprentissage | Méthodes d'enseignement et d'apprentissage |
|---|---|
| ATEN2006 — Modélisation et traitement des données | Méthodes pédagogiques Cours magistraux : exposés Exercices pratiques : travaux dirigés, lectures individuelles, travaux de groupe |
À définir
À définir
À définir
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
| Activité d'apprentissage | Modalités d'évaluation |
|---|---|
| ATEN2006 — Modélisation et traitement des données | Travail de groupe (hors session) : pour le module statistiques, rapport en groupe et oral individuel pondération : 30% Examen écrit (en session) - Examen écrit individuel reprenant théorie et exercices (sauf le module de statistiques) pondération : 70% |
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.