Programme d’études 2024-2025English
Analyse des données statistiques
Unité d’enseignement du programme de Master en sciences mathématiques (MONS) (Horaire jour) à la Faculté des Sciences

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-SCMATH-042-MUE optionnelleSIEBERT XavierF151 - Mathématique et Recherche opérationnelle
  • SIEBERT Xavier

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français181800044.001er quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-MARO-013Machine Learning1212000Q166.67%
I-MARO-033Analyse des données66000Q133.33%

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 capable de lire des articles de recherche dans au moins une discipline des mathématiques
  • Être capable de réaliser des projets d'envergure
    • -Être capable d'utiliser les ressources bibliographiques de manière adaptée au but poursuivi.
  • 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 communiquer clairement
    • -Pouvoir communiquer oralement et par écrit des résultats de mathématique ou de domaines connexes en s'adaptant au public.
    • -Être capable de faire une présentation structurée et argumentée du contenu et des principes sous-tendant un travail, des connaissances mobilisées et des conclusions auxquelles il conduit.
  • Être capable de s'adapter à différents contextes
    • -Avoir développé un fort degré d'autonomie permettant d'acquérir des savoirs complémentaires et des compétences nouvelles, permettant d'évoluer dans des contextes différents.
    • -Être capable de mener une réflexion critique sur l'impact des mathématiques et sur les implications des projets auxquels ils contribuent
    • -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique

Acquis d'apprentissage de l'UE

- comprendre et expliquer la théorie, les modèles et les techniques utilisées
- identifier le(s) modèle(s) convenant pour un jeu de données 
- analyser des jeux de données à l'aide d'un logiciel
- interpréter les résultats fournis par le logiciel, en montrant une compréhension de la théorie

Contenu de l'UE : descriptif et cohérence pédagogique

- techniques descriptives comme l'analyse en composantes principales et l'analyse factorielle discriminante
- modèles classiques d'analyse des données statistiques (analyse de la variance, régression linéaire)
- data mining (méthodes de classification, supervisée et non-supervisée)

Compétences préalables

Statistiques élémentaires
algèbre, analyse
 

Types d'activités

AATypes d'activités
I-MARO-013
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur
I-MARO-033
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur

Mode d'enseignement

AAMode d'enseignement
I-MARO-013
  • En présentiel
I-MARO-033
  • En présentiel

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-MARO-013slides et notes pour les séances pratiques
I-MARO-033Slides et notes pour les exercices

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-MARO-013Sans objet
I-MARO-033Sans objet

Autres références conseillées

AAAutres références conseillées
I-MARO-013- R.O.Duda, P.E.Hart, D.G.Stork. "Pattern Classification". John Wiley and Sons, 2000.
- Bishop, Christopher M. Pattern recognition and machine learning. springer, 2006.
- R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, "Probability and Statistics for Engineers and Scientists", Prentice Hall, 2012
- K P Murphy. Machine learning: a probabilistic perspective. MIT press, 2012.
I-MARO-033R.O.Duda, P.E.Hart, D.G.Stork. "Pattern Classification". John Wiley and Sons, 2000.
Bishop, Christopher M. Pattern recognition and machine learning. springer, 2006.
R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, "Probability and Statistics for Engineers and Scientists", Prentice Hall, 2012
K P Murphy. Machine learning: a probabilistic perspective. MIT press, 2012.

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
I-MARO-013Non autorisé
I-MARO-033Non autorisé

Evaluation du quadrimestre 1 (Q1) - type

AAType(s) et mode(s) d'évaluation du Q1
I-MARO-013
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel
I-MARO-033
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel

Evaluation du quadrimestre 1 (Q1) - commentaire

AACommentaire sur l'évaluation Q1
I-MARO-01350% pour le projet, 50% pour l’examen écrit en janvier
I-MARO-03350% pour le projet, 50% pour l’examen écrit en janvier

Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type

AAType(s) et mode(s) d'évaluation rattrapage Q1(BAB1)
I-MARO-013
  • Examen écrit - En présentiel
I-MARO-033
  • Examen écrit - En présentiel

Evaluation du quadrimestre 3 (Q3) - type

AAType(s) et mode(s) d'évaluation du Q3
I-MARO-013
  • Examen écrit - En présentiel
I-MARO-033
  • Examen écrit - En présentiel

Evaluation du quadrimestre 3 (Q3) - commentaire

AACommentaire sur l'évaluation Q3
I-MARO-013idem Q1
I-MARO-033idem Q1
(*) 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 dernière mise à jour de la fiche ECTS par l'enseignant : 16/05/2024
Date de dernière génération automatique de la page : 29/03/2025
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be