Programme d’études 2018-2019English
Datawarehousing et datamining
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-SCINFO-005-MUE optionnelleWIJSEN JefS832 - Systèmes d'information
  • WIJSEN Jef

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français300300066.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-INFO-027Datawarehousing et datamining300000Q2
S-INFO-888Travaux pratiques de datawarehousing et datamining003000Q2

Note globale : les évaluations de chaque AA donnent lieu à une note globale pour l'unité d'enseignement.
Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Gérer des projets de développement informatique d'envergure
    • -Faire preuve d'autonomie et être capable de travailler seul ou en équipe
  • Gérer des travaux de recherche, de développement ou d'innovation
    • -Pouvoir organiser et mener à son terme un travail de recherche, de développement ou d'innovation
    • -Rechercher de façon méthodique des informations scientifiquement valides, mener une analyse critique, proposer et argumenter des solutions éventuellement innovantes à des problématiques ciblées
  • Maîtriser les techniques de communication
    • -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
  • Développer et intégrer un fort degré d'autonomie
    • -Etre capable d'acquérir seul de nouveaux savoirs
  • Appliquer une méthodologie scientifique
    • -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique.

Acquis d'apprentissage UE

Comprendre les enjeux et la technologie du data mining.

Contenu de l'UE

Les entrepôts de données
La qualité des données 
Nettoyage et intégration des données
La classification
Les règles d'association
Le clustering

Compétences préalables

Sans objet

Types d'évaluations Q2 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit

Commentaire sur les évaluations Q2 de l'UE

Le poids du travail personel peut varier entre 10% et 40% de la note finale, selon ce qui est le plus favorable à l'étudiant.

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit

Commentaire sur les évaluations Q3 de l'UE

Le poids du travail personel peut varier entre 10% et 40% de la note finale, selon ce qui est le plus favorable à l'étudiant.

Types d'activités

AATypes d'activités
S-INFO-027
  • Cours magistraux
  • Conférences
S-INFO-888
  • Préparations, travaux, recherches d'information

Mode d'enseignement

AAMode d'enseignement
S-INFO-027
  • Face à face
S-INFO-888
  • Mixte

Supports principaux

AA
S-INFO-027
S-INFO-888

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-INFO-027Site Web avec des notes de cours, transparents et anciens examens.

Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Data Mining. Addison-Wesley 2005, ISBN 0-321-32136-7
(chapitres disponibles en ligne)

Logiciel Weka
S-INFO-888Sans objet

Supports complémentaires

AA
S-INFO-027
S-INFO-888

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-INFO-027Sans objet
S-INFO-888Sans objet

Autres références conseillées

AAAutres références conseillées
S-INFO-027Sans objet
S-INFO-888Sans objet
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 02/05/2019
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be