 | Programme d’études 2024-2025 | English | |
 | Models and methods in Data Sciences | ||
Unité d’enseignement du programme de Master en sciences mathématiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCMATH-025-M | UE optionnelle | GILLIS Nicolas | F151 - Mathématique et Recherche opérationnelle |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Anglais, Français | 12 | 12 | 0 | 0 | 0 | 3 | 3.00 | 1er quadrimestre |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| I-MARO-015 | Models and methods in Data Sciences | 12 | 12 | 0 | 0 | 0 | Q1 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Posséder des connaissances mathématiques intégrées et pointues
- -Pouvoir mobiliser les mathématiques de bachelier pour traiter de questions complexes et posséder une expertise profonde de celles-ci, prolongeant celle développée en bachelier.
- -Être capable d'utiliser ses connaissances antérieures pour apprendre des mathématiques de haut niveau de manière autonome.
- -Être à même de rechercher la littérature mathématique de manière efficace et pertinente.
- -Être capable de lire des articles de recherche dans au moins une discipline des mathématiques
- Être capable d'innovation pour résoudre une problématique inédite en mathématiques ou dans leurs applications
- -Pouvoir mobiliser ses connaissances, rechercher et analyser diverses sources d'information afin de proposer des solutions éventuellement innovantes à des problématiques inédites ciblées.
- -Pouvoir faire usage de l'outil informatique de manière appropriée, au besoin en développant un petit programme.
Acquis d'apprentissage de l'UE
- modéliser un système à l'aide d'une chaîne de Markov et déterminer son comportement; - savoir implémenter le protocole de chiffrement RSA; - savoir utiliser la factorisation matricielle pour effectuer de l'apprentissage non supervisé ;
Contenu de l'UE : descriptif et cohérence pédagogique
Cette UE présente et analyse différents modèles de données: chaînes de Markov et leurs applications (PageRank de Google, files d'attente, etc.), la factorisation matricielle, et le chiffrement RSA
Compétences préalables
Probabilité et statistiques, optimisation
Types d'activités
| AA | Types d'activités |
|---|---|
| I-MARO-015 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| I-MARO-015 |
|
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| I-MARO-015 | Transparents |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| I-MARO-015 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| I-MARO-015 | Sans objet |
Reports des notes d'AA d'une année à l'autre
| AA | Reports des notes d'AA d'une année à l'autre |
|---|---|
| I-MARO-015 | Autorisé |
Evaluation du quadrimestre 1 (Q1) - type
| AA | Type(s) et mode(s) d'évaluation du Q1 |
|---|---|
| I-MARO-015 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
| AA | Commentaire sur l'évaluation Q1 |
|---|---|
| I-MARO-015 | 1 Examen écrit, 100% de la note d'AA, durée : 2h; |
Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type
| AA | Type(s) et mode(s) d'évaluation rattrapage Q1(BAB1) |
|---|---|
| I-MARO-015 |
|
Evaluation du quadrimestre 3 (Q3) - type
| AA | Type(s) et mode(s) d'évaluation du Q3 |
|---|---|
| I-MARO-015 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
| AA | Commentaire sur l'évaluation Q3 |
|---|---|
| I-MARO-015 | 1 Examen écrit, 100% de la note d'AA, durée : 2h |