Acquis d'apprentissage

A l'issue du cours, l'étudiant sera capable de mener à bien un projet en data science, notamment en utilisant les compétences acquises dans IDAS M102 et IDAS M103. Il sera donc capable d’analyser des données et de présenter les résultats de ses analyses de façon efficiente et compréhensible.

Objectifs

L'objectif de ce cours est d'amener l'étudiant à :
  • Agir en tant que Data Scientist pour exploiter l'Open Data et créer, développer et communiquer un projet innovant. 
  • Appliquer des techniques et des outils de visualisation de l'information, d'apprentissage automatique et de Graph Mining à un cas d'utilisation concret.
  • Travailler en équipe interdisciplinaire sur un projet concret d'analyse de données.

Contenu

  • Session d'introduction
    • Lignes directrices du projet 
    • Présentation de l'Open Data
    • Intervention externe de Nicolas Installé (responsable de Futurocité)
  • Séance de brainstorming
    • Principes du brainstorming
    • Analyse de données centrée sur l'utilisateur
    • Principes du pitching 
  • Pitch intermédiaire
    • Feedback aux étudiants sur les aspects de l'idée, les aspects techniques et les aspects de la mise en œuvre.
    • Directives pour la conception du poster
  • Session de coaching technique
    • Session libre au cours de laquelle les groupes peuvent poser des questions aux professeurs individuellement.
  • Présentation finale

Méthodes d'enseignement

Cours de type "hackathon" où les étudiants sont invités à travailler de manière indépendante sur un projet d'analyse de données appliquée. Les sessions en classe facilitent le travail des étudiants. Les étudiants travaillent sur le projet selon une approche "Learning by Doing"
 

Méthode d'évaluation

Les connaissances acquises dans le cadre du cours sont évaluées de trois manières :
  • Rapport technique sur les techniques utilisées dans le projet 
  • Présentation vulgarisée sur les résultats du projet 
  • Présentation d'un poster pour représenter visuellement la pertinence du projet 

Sources, références et supports éventuels

Les slides sont disponibles via Webcampus.

Langue d'enseignement

Français
Formation Programme d’études Bloc Crédits Obligatoire
Master 120 en sciences informatiques Finalité spécialisée en data science 1 5 Oui
Master 120 en ingénieur de gestion Finalité spécialisée en data science 1 3 Oui
Master 120 en sciences mathématiques Finalité spécialisée en data science 2 5 Oui