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