Fouille de Données et Apprentissage Automatique

UE prérequise : aucune

Cette UE contribue à l'atteinte des acquis d'apprentissage terminaux suivants :

• Résoudre selon une approche analytique et systémique des problèmes liés à des situations nouvelles ou présentant un certain degré d'incertitude

– Identifier, traiter et synthétiser les données pertinentes

– Rechercher les ressources nécessaires

– Transposer les résultats des concepts à la problématique ou situation traitée

– Argumenter les choix proposés

• Communiquer dans un cadre professionnel avec les collaborateurs, les clients

– Rédiger des rapports, des cahiers des charges, fiches techniques ou manuels

– S'exprimer de manière adaptée en fonction du public

– Utiliser efficacement les outils de communication adéquats

• Agir de façon réflexive et autonome, en équipe, en partenariat

– Organiser son temps, respecter les délais

– Acquérir une capacité d'autocritique

– Actualiser ses connaissances et compétences

• Innover, concevoir ou optimiser un système

– Intégrer l'ensemble des composantes d'un système à partir des résultats d'analyse

– Modéliser, dimensionner et optimiser des systèmes

• Gérer les ressources techniques et financières de systèmes

– Estimer les coûts, la rentabilité d'un projet, établir un budget

– Evaluer les processus et les résultats

– Proposer et appliquer les actions correctives

• Utiliser des procédures et des outils

– Exploiter les outils appropriés afin de résoudre une tâche spécifique

– Effectuer des tests, des contrôles et des mesures

– Effectuer des paramétrages, des réglages

Théorie et applications

L'étudiant sera capable au terme de l'activité d'apprentissage de :

• situer la thématique de la fouille de données dans le contexte global (tant historique que fonctionnel) de la Business Intelligence (BI) et de son implémentation en entreprise

• expliquer (dans le détail, en référence à la théorie) et interpréter les différents paramètres d'un modèle d'apprentissage automatique mis au point dans un environnement de prototypage professionnel (Jupyter notebook - Python)

• faire du story telling correspondant à un cas d'usage précis (données + modèle)

• comparer des modèles proposés pour résoudre une problématique donnée suivant différentes dimensions : complexité de mise au point, de configuration, efficacité, robustesse, …

• sélectionner un type de modèle et le mettre au point pour répondre à une problématique donnée - sélectionner, combiner et croiser des techniques et des concepts pour résoudre un problème complexe

• s'exprimer avec précision et rigueur tant à l'écrit qu'à l'oral pour délivrer un contenu scientifiquement viable

• préparer et tenir une keynote devant la classe sur un sujet d'actualité en rapport avec le contenu du cours

Laboratoire

L'étudiant sera capable au terme de l'activité d'apprentissage de :

• créer une présentation originale sur un sujet/une technique non traité(e) au cours, lié(e) au traitement automatique des données

• mettre au point un exercice illustrant concrètement la technique sous-jacente conformément aux consignes/contraintes (être exécutable en quelques minutes par l'ensemble de la classe) dans un environnement de prototypage professionnel

• chercher, sélectionner ou synthétiser/générer/construire un jeu de données pertinent

• présenter avec précision et rigueur la technique visée à l'ensemble de la classe à partir d'artefacts préparés

• mettre en rapport/expliciter les liens entre le sujet/la technique visée et les concepts de base de la partie Théorie & Applications

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.