Annexe au dossier du cursus CMI SID Licence - Master en Ingénierie. Syllabus L3 et Master SID Statistique et Informatique Décisionnelle

Dimension: px
Commencer à balayer dès la page:

Download "Annexe au dossier du cursus CMI SID Licence - Master en Ingénierie. Syllabus L3 et Master SID Statistique et Informatique Décisionnelle"

Transcription

1 Annexe au dossier du cursus CMI SID Licence - Master en Ingénierie Syllabus L3 et Master SID Statistique et Informatique Décisionnelle Toulouse 3 14 février

2 I - Licence 3 Semestre 5 4 I-1. Concepts Fondamentaux des Bases de Données I-2. Langage de Requêtes I-3. Programmation Avancée et Unix I-4. Analyse I-5. Probabilités I-6. Algèbre linéaire I-7. Statistique Exploratoire I-8. Processus et Modélisation I-9. Techniques de communication I-10. Langage R. I II - Licence 3 Semestre 6 7 II-1. Optimisation de requêtes II-2. Connexion et intégration d outils II-3. Concepts RI II-4. Préparation aux bureaux d études II-5. Projet tutoré II-6. Modèles linéaires II-7. Statistique Inférentielle II-8. Etudes de cas statistiques II-9. Plans d expériences II-10. Projet tutoré II-11. Techniques de communication II-12. Culture d entreprise II-13. Outils statistiques II-14. Outils statistiques II-15. Marketing III - Master 1 Semestre 7 10 III-1. Protection de données III-2. Génie logiciel III-3. Data mining III-4. Data warehouse (entrepôt de données) III-5. Statistique Exploratoire III-6. Algèbre III-7. Analyse III-8. Optimisation Mathématique III-9. Sondages III-10.Contrôle qualité III-11.Système d information géographique III-12.Techniques de communication IV - Master 1 Semestre 8 13 IV-1. Systèmes répartis et bases de données réparties IV-2. Extension Objets du Relationnel IV-3. Graphes et optimisation IV-4. Normes W3C : Standards associés et XML IV-5. Projets tutorés : Statistique et applications Décisionnelles IV-6. Modélisation Bayésienne IV-7. Modèles linéaires généralisés /20

3 IV-8. Séries Chronologiques IV-9. Techniques de communication et conférences V - Master 2 Semestre 9 16 V-1. Environnement décisionnel : OLAP V-2. Bases de données à grande échelle V-3. Indexation par le contenu Documents Audio et Vidéo V-4. Évaluation des processus et certification V-5. Normes W3C : XML et les Bases de Données V-6. Apprentissage Statistique V-7. Statistiques bio-médicales V-8. Modèle linéaire gaussien général V-9. Maîtrise statistique des procédés V-10. Fiabilité des systèmes V-11. Fiabilité des matériaux V-12. Modèles statistiques pour l information textuelle V-13. Cycle de décision en entreprise V-14. Techniques de communication V-15. Conférences thématiques VI - Master 2 Semestre /20

4 I - Licence 3 Semestre 5 I-1. Concepts Fondamentaux des Bases de Données Objectifs visés : Introduire les concepts fondamentaux des Bases de Données Relationnelles (BDR) et présenter les principes de la conception d une BDR. Programme : 1. Introduction aux BD et fonctions d?un système de gestion de bases de données 2. Modèles de données : modèle entité/association et modèle relationnel. 3. Algèbre relationnelle. 4. Dépendances fonctionnelles et normalisation d?une relation Fonctionnement : 18h CM, 16h TD. Un examen terminal I-2. Langage de Requêtes Objectifs visés : 1. Maîtriser les langages utilisés dans les bases de données, tant du point de vue de la définition, de la manipulation, de l interrogation ou du contrôle des données. 2. Méthodes, Techniques et outils des systèmes relationnels. Environnement du Système de Gestion de Bases de Données (SGBD) Oracle. Programme : Langage de Définition des Données Langage de Manipulation des Données Langage d interrogation des Données Programmation PL/SQL Fonctionnement : Cours TD TP. Contrôle continu (rendus de TP) + examen terminal I-3. Programmation Avancée et Unix L objectif de cette UE est de donner aux étudiants les connaissances théoriques et pratiques de base concernant d une part le système Unix, d autre part la programmation à base d objet et le langage Java. L enseignement d Unix donne les bases pour gérer des documents (création, déplacement, recherche, accès à distance et protection de ses fichiers) ainsi que les notions de Shell, de commande (redirection d entrée et de sorties, pipes), de gestion de jobs et de création de scripts. La partie programmation avancée donne les bases de la programmation objet avec pour support le langage JAVA. Il s articule autour de 5 chapitres : Chapitre 1 : Plateforme et langage Java. Installation des kits Java, compilation et exécution d un programme simple. Description du langage : types de données, actions élémentaires, structures de boucles, structures conditionnelles, notion de fonctions. Chapitre 2 : Notion d objet (attribut, méthode). Comment choisir et construire des objets. Utilisation d UML pour leur représentation. Les objets dans le langage JAVA. Interaction entre objets. Chapitre 3 : Organisation de classes. Attributs et méthodes de classes. La spécification et la généralisation de classes. L héritage en langage objet et en JAVA. Chapitre 4 : L encapsulation. Classification des classes java, modificateurs de portée. Concepts de surcharge, de redéfinition et de polymorphisme. Chapitre 5 : Abstraction. Classes et méthodes abstraites. Interfaces et leurs utilisation. Fonctionnement : Cours TD TP. Un contrôle terminal I-4. Analyse 1 Ce cours donne les bases d analyse au calcul des probabilités. Il s articule autour de trois chapitres : Chapitre 1 : suite et séries. Exemples classiques : séries géométriques, exponentielle et de Riemann. Critères de convergence pour les séries à termes positifs. 4/20

5 Chapitre 2 : Intégrales. Intégration sur un intervalle borné d une fonction continue par morceaux. Calcul de primitives. Extensions aux cas d intervalles non compacts et aux fonctions non bornées. Chapitre 3 : Calcul des développements limités et applications. Fonctionnement : Cours TD. Contrôle continu trois interrogations écrites. Un contrôle terminal. I-5. Probabilités 1 Ce cours a pour objectifs l acquisition des notions fondamentales de probabilités en vue des applications statistiques. Rappels de théorie des ensembles Probabilités finies : dénombrement et combinatoire. probabilités sur un ensemble fini. Lois de Bernoulli, binomiale, hypergéométrique. Probabilités conditionnelles Probabilités discrètes familles sommables mesures de probabilités variable aléatoire discrète, loi d une variable aléatoire espérance, variance, moments Loi de Poisson Inégalité de Markov, de Bienaymé-Tchebychef. Espaces de probabilités généraux variable aléatoire continue densité, fonction de répartition indépendance de variables aléatoires espérance, moment lois uniforme, exponentielle, normale suite de variables aléatoires, convergence en probabilité Intervalles de confiance Loi des grands nombres Théorème de la limite centrale. calculs simples d intervalle de confiance Fonctionnement : contrôles des connaissance par un examen partiel et un examen terminal. I-6. Algèbre linéaire Ce cours traite les quatre sujets suivants : Espaces vectoriels sur R Applications linéaires Lien avec les matrices Valeurs et vecteurs propres Fonctionnement : Cours TD. Un contrôle terminal. I-7. Statistique Exploratoire 1 L objectif de ce cours est de donner une introduction aux statistiques en prenant un point de vue descriptif. En particulier, cela signifie qu il n est pas fait usage de la théorie des probabilités. Un des objectifs du cours est d introduire l analyse en composantes principales pour les métriques usuelles. Programme du cours : Moyenne pondérée, variance et leurs décompositions par groupes, Distribution d une variable (histogramme, quantiles, boîtes à moustaches,...), Observation de deux variables couplées (régression, indépendance,...), Observation de plusieurs variables couplées (corrélation multiple, inertie,...) 5/20

6 Précisions sur le calcul matriciel (diagonalisation,...), Analyse en Composantes Principales. Fonctionnement : Cet enseignement est organisé en cours de 2 heures avec la classe au complet et en séances de TD de 2 heures par groupe. La validation se fait par un examen final unique. I-8. Processus et Modélisation Cet enseignement comporte deux aspects distincts : les processus et les outils de modélisation. Processus - On apprend ici à maîtriser les méthodes, les outils et les techniques nécessaires à la production de logiciel de qualité industrielle selon le cycle de vie du logiciel. Historique du génie logiciel, Notions et définitions internationales des concepts de bases, Présentation des processus de développement utilisés dans les différents domaines d application, Système Qualité : Normalisation et certification de logiciel, Techniques d Assurance et contrôle Qualité du logiciel. Tous les points évoqués sont illustrés par des exemples d applications. Outils de modélisation - On apprend ici : les méthodes de Modélisation, fondements et objectifs. les concepts UML et les règles applicables les méthode et Structuration d un modèle UML les principaux diagrammes : diagramme de cas d utilsiation, diagrammes de séquence, diagrammes d activité, disagrammes de classe la navigation dans un modèle Fonctionnement : 20h CM, 14h TP. Contrôle continu (oral) et un examen terminal. écrit I-9. Techniques de communication Ce cours est vise à apprendre aux étudiants les techniques de communication à l oral dans le monde du travail. Nous abordons les points suivants : Apprendre à se définir et à mettre en évidence ses atouts en vue de la rédaction d un CV et d une lettre de motivation. Qu est-ce que le monde du travail? Savoir, savoir-faire, savoir-être. Valeurs, compétences, qualités. Organigramme. Le Curriculum Vitae : ce qu il faut faire / les erreurs à éviter ; La lettre de motivation. Chaque point est illustré par des travaux dirigés où les étudiants prennent tour à tour un rôle actif et un rôle critique. Fonctionnement : cours, travaux pratiques notés, examen final. I-10. Langage R. I Enseignement d un langage de programmation destiné à faciliter la récupération des informations contenues sur les sites web. Il s articule autour de 6 chapitres : Chapitre 1 : Données scalaires. Définitions, Expressions, Opérateurs, Fonctions. Chapitre 2 : Listes et tableaux. Définitions, Représentation, variables, Opérateurs et Fonctions. Chapitre 3 : Structures de contrôle : séquences, structures conditionnelles, répétitions. Chapitre 4 : Hachages : définition, expression, fonctions associées. Chapitre 5 : Expressions régulières : définitions des expressions simples et complexes, ancres, utilisation. Chapitre 6 : Sous-programmes : définitions, notions de visibilité de variable, utilisation. Fonctionnement : Cours TD. Contrôle continu en TP. Un contrôle terminal. 6/20

7 II - Licence 3 Semestre 6 II-1. Optimisation de requêtes Objectif(s) et Compétences visés : Présenter les méthodes et les techniques de base d?optimisation de requêtes relationnelles en un environnement centralisé. Comprendre les problèmes posés par l administration d un SGBD centralisé (i.e. mono-processeur)dans une perspective d aide à la décision. Pré-requis : Concepts fondamentaux des BD et des BD relationnelles Programme : Problématique de l optimisation de requêtes et espace de recherche. Architecture logicielle d un optimiseur de requêtes relationnelles. Optimisation logique : règles de transformation des arbres algébriques. Optimisation physique : stratégies de recherche énumératives et aléatoires. Introduction à l administration des SGBD Fonctionnement : Cours (18 H), TD (14 H) et TP (8 H). 1 contrôle terminal II-2. Connexion et intégration d outils Objectifs visés et Programmes : L objectif de ce bureau d études est d asseoir les différents enseignements vus au semestre 5, de montrer également l implication et l utilisation des concepts fondamentaux des BD relationnelles dans les outils commerciaux présents dans les organisations (entreprises, administrations, etc.). Les pré-requis sont donc : modèle Entité/association, langage SQL et PL /SQL. Le projet contient les aspects suivants : Permettre aux étudiants de modéliser un système d informations avec les concepts des modèles Entités/ Association, de réaliser toute l application à partir d utilitaires proposés dans l Atelier Designer, d instrumentaliser les différentes étapes de processus de développement soutenus par des utilitaires proposés par l Atelier. Intégration des Bases de Données, conception et rétro-conception, méthodes ascendante/descendante d intégration des BD, mise en œuvre d intégration de BD relationnelles avec Oracle Application Server 9i. Accès à la base de données via le web. Mise en œuvre de l atelier Designer A la fin de ce bureau d études, un rapport projet est remis aux enseignants. Fonctionnement : 16h CM, 10h TD, 14h TP. Projet noté. II-3. Concepts RI Ce cours présente les concepts et les modèles de base pour la recherche et la sélection d information dans des corpus de textes. Chapitre 1 : Indexation de documents : notions de base et techniques Chapitre 2 : Modèles mathématiques de recherche d information : booléen, vectoriel, booléen étendu, probabiliste Chapitre 3 : Démarche et mesures d évaluation de systèmes de recherche d information Fonctionnement : 12 H Cours, 8H TD, 8H TP. Un contrôle terminal. II-4. Préparation aux bureaux d études L objectif de cette préparation aux bureaux d études est de présenter la démarche de conception et les étapes d analyse pour la conduite du projet tutoré. Fonctionnement : 6 H Cours, 6H TD Contrôle de connaissances : Pas de contrôle 7/20

8 II-5. Projet tutoré L objectif de ce projet est d évaluer une compilation d enseignements dont principalement : concepts RI, concepts BD, langages de requête, langage de RI, génie logiciel. Le projet porte sur la conception, la mise en œuvre et l évaluation d un système de recherche d information. Les principales étapes du projet sont les suivantes : 1. Collecte de contenus textuels à partir d une source (ex wikipédia) 2. Indexation du corpus de textes pour l extraction de contenus (texte) et métacontenus 3. Mise en œuvre d un module d interrogation de l information 4. Evaluation expérimentale de l efficacité du système de recherche d information Fonctionnement : environ 30H /etudiant. Contrôle continu II-6. Modèles linéaires Cet enseignement a pour objectif dans un premier temps de poser les bases du modèle linéaire gaussien, et dans un deuxième temps de préciser les cas particuliers : régression linéaire et analyse de variance. La pratique de ces deux types de modèles sera vue en TD et en TP sous SAS. Fonctionnement : 7 séances de cours + 5 séances de TD + 3 séances de TP par étudiant. II-7. Statistique Inférentielle L objectif de ce cours est de donner une introduction aux statistiques en prenant un point de vue inférentiel. C est-à-dire que la modélisation statistique fait intervenir la notion de variable aléatoire afin de décrire un phénomène général à partir d observations de celui-ci. Le cours est orienté de telle façon à introduire les outils et notions classiques comme l estimation, les intervalles de confiance, les tests,... et d en donner des exemples concrets. Le langage utilisé pour les séances de travaux pratiques est le langage R. Programme du cours : Quelques rappels de théorie des probabilités (Loi des Grands Nombres, Théorème Central Limite,...), Modélisation statistique et introduction à l estimation, Théorèmes et Inégalités classiques (Bienaymée-Tchebitcheff, Slutsky,...), Estimation statistique (biais, consistance,...), Construction d estimateurs (méthode des moments et du maximum de vraisemblance), Intervalles de confiance sur la moyenne et la variance, Tests statistiques et tests gaussiens classiques, Comparaison de deux échantillons gaussiens ou non-gaussiens. Fonctionnement : Cet enseignement se décompose en cours de 2 heures avec l effectif au complet, en TD de 2 heures par groupe et en TP de 2 heures par groupe. La validation se fait par un examen final et, potentiellement, au travers d une note de contrôle continu pour les séances de TP. II-8. Etudes de cas statistiques Ce cours présente quelques problèmes (et des suggestions de résolutions) rencontrés lors du traitement de données réelles : Données manquantes ou incomplètes et imputation. Statistiques descriptive et transformations de variables. Mélanges de populations, ACP et recherche d individus atypiques. Introductions à la modélisation, à la prédiction, à l analyse de sensibilité et aux techniques de rééchantillonage (bootstrap, validation croisée). Ce cours s appui sur un jeu de données réelles issue de la génétique humaine (étude de la variabilité du taux de cholestérol dû à la génétique.). Fonctionnement : Cours magistral et TP R. Evaluation basée sur un rapport de TP. 8/20

9 II-9. Plans d expériences Ce cours présente les bases et les principes des plans d expériences : principe de qualité et du Six Sigma ; intérêt de l expérimentation planifiée par rapport aux essais successifs facteur par facteur ; principe d orthogonalité, calcul des effets et interactions ; réalisation des graphes d effets ; Ces principes sont mis en application pour la réalisation complète d une expérience pour trouver les réglages d une catapulte afin d atteindre une cible. On présente un exemple de traitement logiciel avec JMP4. Fonctionnement : Cours magistral, TP notés. Contrôle final. II-10. Projet tutoré Cet enseignement détaille différentes méthodes pour analyser la qualité des données, ainsi qu une initiation à l analyse de données sous R. Il s articule autour de trois chapitres : Chapitre 1 : Introduction à R pour l analyse descriptive de données. Chapitre 2 : Réalisation de macros R permettant d étudier la qualité des données ( statistique descriptives, adequation à une loi, detection des points aberrants). Chapitre 3 : Etude de différents jeux de données issus du laboratoire Matériaux et Procédés Assystem. Fonctionnement : Cours TD et TP. Un contrôle terminal. II-11. II-12. Techniques de communication voir le projet, section IV-4.1. Culture d entreprise Ce cours présente la définition et les différentes composantes de la culture d entreprise : un ensemble de valeurs partagées par les membres d une entreprise, se manifestant par des symboles, des rites, des mythes, des tabous, des habitudes de travail.. Il aborde ensuite l évolution de la culture d entreprise en tant que variable d action pour le management. Puis sont présentés les fonctions, les enjeux et les limites de la culture d entreprise. II-13. Outils statistiques Ce cours, organisé en séances de travaux pratiques, a pour but d apprendre à manipuler le logiciel SAS. Il s articule autour de 4 séances pratiques : TP1 les principales procédures de SAS, importation/exportation de BDD, graphiques en haute résolution, tests statistiques et quelques éléments de langage macro. TP2 régression linéaire simple et multiple. TP3 analyse en composante principale. TP4 analyse de la variance. Fonctionnement : Modalité d examen : contrôle sur papier ou un projet. II-14. Outils statistiques Ce cours a pour objectifs la prise en main du logiciel SPSS, la découverte des fonctionnalités et de procéder à des analyses statistiques via le logiciel. récupération de fichiers habillage des fichiers récupérés (éditeur de données) transformation de données (création de variables,...) manipulation et transformation de fichiers (pondération, agrégation, transposition, restructuration scission,...) 9/20

10 analyse statistique analyse graphique Fonctionnement : Mode de validation : une étude de cas est à réaliser et à rendre deux semaines après la fin du cours : la note obtenue est la note finale. II-15. Marketing L objectif de ce cours est d introduire aux étudiants les différents concepts du marketing. Il s organise de la façon suivante : Introduction : définition et historique du marketing. Exercice noté : le marché du téléphone portable en Inde. Partie 1 : Connaissance et politique produit (notion de produit, fonction du produit, cycle de vie, AVF, image et notoriété, politiques de prix). Etudes des cas : Renault Logan et chupa chups Partie 2 : Connaissance et politique de distribution (circuits, structures et réseaux). Exercice noté : la distribution des cartes téléphoniques au Mali. Partie 3 : Actions sur le marché et communication (histoire de la pub, définition, caractéristiques, organisation). Exercice noté : étude d une publicité coca-cola. Les études de cas se font par groupes de 5 à 6 étudiants, et permettent de balayer les différents concepts étudiés ; elles sont à restituer dans les trois semaines suivant le cours. Fonctionnement : cours suivi d exercices et études de cas. Evaluations individuelles (exercices à rendre) et par groupe (étude de cas). III - Master 1 Semestre 7 III-1. Protection de données Les objectifs de ce cours sont principalement : l étude des problèmes liés à l intégrité des bases de données (BD) actives puis décrire les mécanismes que fournit un système de gestion de BD (SGBD) pour assurer la cohérence des données ; étudier les protocoles d accès à la BD permettant d assurer la confidentialité des données selon un schéma défini dans les applications métiers, apprendre à écrire des programmes d application qui garantissent la cohérence de la BD dans un environnement concurrentiel, étudier les mécanismes qui permettent la reprise de fonctionnement normal d une BD après la survenue d une panne. 1. Chapitre 1 : Intégrité et BD actives- conception et mise en œuvre d un système de déclencheurs 2. Chapitre 2 : Confidentalité des données : droits, roles, administration de la confidentialité, schémas externes et vues 3. Chapitre 3 : Gestion des accès concurrents : transactions et propriétés, techniques de contrôle d accès concurrents 4. Chapitre 4 : Sécurité de fonctionnement : catégories de pannes, outils, techniques et algorithmes de reprise après panne Fonctionnement : 16 H Cours, 10H TD, 10H TP. Un contrôle continu et un contrôle terminal. III-2. Génie logiciel L objectif de ce cours est de maîtriser les concepts, les méthodes et outils instaurés dans un environnement de développement de projet dans différents secteurs d activités de l industrie. Partie 1 : Méthodes Agiles. Partie 2 : Processus de développement Itératif. Partie 3 : Gestion de Projet : Différentes Méthodes de Modélisation Partie 4 : Gestion de Configuration : Intégration continue, Normes, Référentiels, Espace de développement, Espace de Référence. Partie 5 : Gestion des Risques 10/20

11 Partie 6 : Définition des exigences Partie 7 : Métrologie : Mesure et Diagnostic qualité du logiciel Fonctionnement : 28 H Cours, 12H TD. Un contrôle terminal et Contrôle continu oral sur les Concepts vus en Cours III-3. Data mining Ce module a pour but de familiariser les étudiants aux enjeux et principales méthodes du data mining et du text mining. Sont abordés notamment : l étude des sources d informations stratégiques externes à l entreprise, l harmonisation des contenus, l analyse via des méthodes de la statistique, de l analyse de données multidimensionnelles, les méthodes des classifications, la théorie des graphes, la cartographie géostratégique. Les TP sont effectués sur la plate-forme de veille stratégique Tétralogie. Cet enseignement est suivi d un bureau d étude réalisé en petits groupes sur un sujet scientifique et/ou technologique d actualité. Fonctionnement : 14 H Cours, 12H TD, 10H TP. Un contrôle terminal. III-4. Data warehouse (entrepôt de données) Ce cours introduit les principes des bases de données multidimensionnelles. Il s articule autour de quatre parties : Partie 1 : Outils décisionnels. Problématique décisionnelle. Partie 2 : Principes de l analyse OLAP. Représentation multidimensionnelle Partie 3 : Architecture de solution décisionnelle à base d entrepôt de donnnéees. Entrepôts de donnéees. Principes d un ETL. Magasins de données. Partie 4 : Modélisation multidimensionnelle. Modélisation conceptuelle. Modélisation logique R- OLAP en étoile et en flocon. Modélisation physique avec Oracle. Les TP concernent l apprentissage de l outil ETL Oracle Warehouse Builder. Fonctionnement : Cours,TD et TP. Contrôle continu sur les notions abordées en TP. Un contrôle terminal. III-5. Statistique Exploratoire 2 L objectif de ce module est de donner une introduction aux méthodes de statistique descriptive multidimensionnelle. Après des rappels d algèbre linéaire, on étudiera les méthodes factorielles classiques basées sur la projection des données sur des espaces propres associés à la diagonalisation de matrices estimées sur les données. Les méthodes de classification supervisée ou non supervisée feront l objet de la dernière partie. Fonctionnement : Le cours est accompagné de TD et TP. Le contrôle continu consiste en la rédaction de compte rendus de TP. Il y a un examen final. III-6. Algèbre 2 Espaces euclidiens Projection orthogonale Diagonalisation des matrices symétriques Décomposition en valeurs singulières Fonctionnement : 8h de CM et 6h de TD. Un contrôle terminal. III-7. Analyse 2 1. Formules de Taylor à l ordre n, développements limités, applications. 11/20

12 2. Intégrales multiples : formules de changement de variables, théorème de Fubini. Applications aux probabilités. Fonctionnement : 8h de CM et 8h de TD. Un contrôle terminal. III-8. Optimisation Mathématique 1. Généralités sur l optimisation 2. Formulations et applications industrielles 3. Fonctions à une seule variable : propriétés des fonctions (unimodalité, convexité,...) critères d optimalité méthodes de recherche sans dérivées dichotomique, section d or méthodes de recherche avec dérivées (Newton-Raphson, sécante) 4. Vitesse de convergence des algorithmes 5. Fonctions de plusieurs variables : généralités, gradient, hessien critères d optimalité algorithme de la plus profonde descente algorithme de Newton méthodes de quasi-newton approximation numérique du gradient 6. Optimisation sous contraintes : généralités conditions de KKT algorithmes (principes) méthodes (principes) des pénalités, fonctions barrières, points intérieurs,... détail d un algorithme (SQP) Fonctionnement : 12h de CM, 12h de TD, et 10h de TP. La note finale finale regroupe la note d examen final et la note de TP. III-9. Sondages L objectif du cours est de former l étudiant aux différentes techniques de sondage : il y a donc transmission de la théorie des sondages et de cas pratiques d enquêtes. Les chapitres présentés sont les suivants : introduction : rappel de notions et distribution d échantillonnage sondage aléatoire simple sondage stratifié sondage à plusieurs degrés les redressements : post-stratification, estimateur par le ratio, estimateur par la régression, traitement de la non-réponse Fonctionnement : 8H C, 4H TD, 4H TP. Un examen écrit. 3 études de cas. III-10. Contrôle qualité Ce cours donne les bases de Maitrise Statistiques des Procédés et renforce les connaissances en programmation sous le logiciel R. Il s articule autour de trois chapitres : Chapitre 1 : Les fonctions ou macros sous R. Chapitre 2 : Tests d adéquation à une loi de probabilité. Exemples classiques : Test d Anderson Darling, de Kolmogorov Smirnov. TP sous R avec des jeux de données issus du laboratoire Matériaux et Procédés Assystem. 12/20

13 Chapitre 3 : Introduction à la MSP. Les différentes cartes de contrôle. Capabilité. Diagramme de Pareto. Application à l aide du logiciel R. Etude d un jeu de données de production. Fonctionnement : 4H Cours, 4H TD et 4H TP. Un contrôle terminal. III-11. Système d information géographique L objectif de cet enseignement est de permettre aux étudiants de réaliser des cartographies et de maîtirser les concepts de base d un SIG. Lors des différents TD, ils apprennent à gérer, consulter, créer et valoriser l information géographique sur le logiciel libre QGIS. Fonctionnement : 6H Cours, 4H TD. Contrôle continu III-12. Techniques de communication Nous étudions comment mener un entretien téléphonique et quelles sont les techniques d argumentation afin de réaliser une enquête auprès de statisticiens en place. L objectif est de découvrir les avantages et les inconvénients du métier tout en développant un réseau professionnel propre. Fonctionnement : cours, TD, contrôle continu des TD. IV - Master 1 Semestre 8 IV-1. Systèmes répartis et bases de données réparties Objectif(s) et Compétences visés : Introduire les concepts, les objectifs, et les caractéristiques fondamentaux des systèmes répartis. Présenter les principes de base de la conception des systèmes de bases de données réparties. Comprendre comment il est possible d exploiter efficacement un SGBD réparti dans un contexte d aide à la décision. Programme : 1. Introduction aux systèmes répartis : Bases de la conception d un système réparti, communication et synchronisation de processus. 2. Bases de données réparties BDR Introduction aux BDR : objectifs d une BDR, fonctions d un SGBD réparti, architecture des schémas, schémas de placement, et dictionnaire de données. Conception d une BDR : approches de conception, stratégies de fragmentation, allocation des fragments. Evaluation de requêtes réparties : phases d évaluation d une requête répartie, localisation, et optimisation. Fonctionnement : 18H cours, 12H TD, 10H TP Controle terminal IV-2. Extension Objets du Relationnel Ce cours aborde deux grandes notions : Unified Modeling Language (UML) pour les bases de données, et les bases de données objet-relationnelles. UML et bases de données : Le modèle de données objet relationnel étend principalement le modèle relationnel à l utilisation des mécanismes de transformations en utilisant SQL2 (utilisation pointeurs, collections et méthodes au niveau des tables et des types). Tous les concepts de ce cours sont illustrés avec des exemples. Le cours s articule autour de six parties : Partie 1 : Compléments fondamentaux sur les diagrammes de classes ; Partie 2 : Intérêt d UML pour la modélisation des bases de données ; Partie 3 : Différentes contraintes et cas d héritage ; Partie 4 : Du schéma conceptuel le diagramme de classe UML vers le schéma relationnel ; 13/20

14 Partie 5 : Traduction des contraintes ; Partie 6 : du schéma relationnel logique vers le schéma physique SQL2. Bases de données objet-relationnelles : ce cours introduit les principes des bases de données objetsrelationnelles. Il s articule autour de cinq parties : Partie 1 : Introduction aux principes objets dans les bases de données ; Partie 2 : Création et peuplement d une base de données objet-relationnelle, table imbriquée, références ; Partie 3 : Interrogation d une base de données objet-relationnelle, SQL étendu ; Partie 4 : Définition de méthodes, surcharge de méthode ; Partie 5 : Héritage. Redéfinition de méthode. Les TP concernent l apprentissage des extensions objets-relationnelles au sein du système de gestion de bases de données Oracle. Fonctionnement : Cours et TP. Contrôle continu sur les notions abordées en TP. Un contrôle terminal. IV-3. Graphes et optimisation Ce cours dresse un rapide panorama des méthodes de recherche de solutions optimales à des problèmes modélisés sous forme de graphe. 1. Définitions et propriétés topologiques des graphes : définitions générales, matrice d adjacence, distance géodésique, composante connexe, nombre cyclomatique, graphes eulériens et hamiltoniens ; 2. Les arbres : Arbres couvrants extrémums, problèmes de codage optimal (Prüfer, Huffman) ; 3. Graphes orientés et pondérés : parcours, noyau d un graphe, partition, graphes probabilistes (modèles markoviens), chemin de longueur minimal (Dijkstra), flot maximum (Floyd et Fulkerson) ; Fonctionnement : 8H Cours, 6 H TD, 6H TP. Contrôle continue sous forme de moyenne de comptes rendus de TP, un contrôle terminal IV-4. Normes W3C : Standards associés et XML Ce cours introduit les notions de base du standard XML, il s articule autour de trois parties : Partie 1 : XML : Syntaxe du langage Document bien formé Partie 2 : DDT document valide Partie 3 : Parseurs, Schémas, XSL. Fonctionnement : Cours et TP. Contrôle continu sur les notions abordées en cours. Un contrôle terminal. IV-5. Projets tutorés : Statistique et applications Décisionnelles Cet enseignement propose aux étudiants un cadre formel de développement de projet qui montre la connexion des deux disciplines fondamentales : la statistique et l informatique décisionnelle, le coeur du métier de la formation SID. Il s agit de développer un système d aide à la décision qui permet de faire des analyses détaillées à partir des données textuelles issues d une part, des bases de données scientifiques et technologiques et d autre part, de source d informations hétérogènes. Ce projet est réalisé dans un contexte client/fournisseur, un cahier des charges est fourni aux étudiants, définissant les exigences et les contraintes à respecter. Les concepts présentés sont les suivants : processus de développement des systèmes d information ; matérialisation et instrumentalisation de différents outils et méthodes utilisés dans chaque étape du processus, notamment les tests et la validation pour la prise de décision. restructuration des données en utilisant une approche multidimensionnelle ; analyse des données avec l outil Tétralogie, afin de les communiquer aux décideurs. L information élaborée est présentée, via une interface graphique en réseau, par des cartes factorielles, des arbres de classification, des dessins de graphes, des cartes géostratégiques. Un document et une présentation sont élaborés par chaque équipe et une soutenance de projet a lieu devant un jury constitué d industriels et d enseignants. Fonctionnement : 18h CM, 14h TD, 8h TP. Rapport + soutenance notés 14/20

15 IV-6. Modélisation Bayésienne L objectif de ce cours est de présenter, puis de mettre en oeuvre l approche bayésienne (estimation, tests et choix de modèles) dans des situations concrètes et variées. On envisagera ainsi différentes situations selon que le paramètre d intérêt est un réel, un entier, ou qu il appartient à [0, 1]. L obtention de l estimation bayésienne de cette quantité pourra nécessiter l utilisation des méthodes classiques de simulation de Monte Carlo qui seront alors introduites à cette occasion. Trois TP (en R ou en Matlab) seront consacrés à l analyse statistique bayésienne de jeux de données réelles. Fonctionnement : 16h de CM et 14h de TD. IV-7. Modèles linéaires généralisés Après quelques rappels sur le modèle linéaire gaussien (Chapitre 1), on présentera le modèle linéaire généralisé dans sa forme générale (Chapitre 2). Il s agira de situer le modèle linéaire généralisé par rapport à la nature des données qu il permet d analyser, mais aussi d introduire de nouvelles notions sur les méthodes d estimation et sur les tests (tels que le test du rapport de vraisemblance ou le test de Wald par exemple). Dans un deuxième temps, nous étudierons quelques modèles particuliers : la régression logistique permettant de modéliser une variable binaire (Chapitre 3), le modèle log-linéaire et la régression de Poisson pour expliquer une variable de comptage (Chapitre 4). Ces modèles seront mis en œuvre sous SAS, en mettant l accent sur l interprétation des résultats fournis, et sur la qualité et la validité du modèle estimé. Fonctionnement : Cours, TD et TP. Contrôle continu par des compte-rendus de TP et un examen terminal. IV-8. Séries Chronologiques Ce module a pour objectif d introduire des techniques de modélisation statistique au travers de l étude de séries chronologiques. Dans un premier temps, on présentera l analyse déterministe des séries chronologiques et de leur prédiction (régression linéaire, lissage exponentiel...) Dans un second temps, quelques modèles classiques de séries chronologiques stationnaires seront présentés (ARMA, GARCH...). L étude de tels processus et de leurs indices caractéristiques permettra de présenter les techniques de prédiction. Fonctionnement : 16h de CM et 12h de TD. IV-9. Techniques de communication et conférences Pour les techniques de communication, voir ci-dessus programme de l année. Le contenu des conférences varie suivant les intervenants (qui ne sont pas les mêmes chaque année). Voici deux exemples : Solutions décisionnelles : le marché. Cette conférence décrit les grands opérateurs et utilisateurs des solutions décisionnelles : qui utilisent des solutions décisionnelles ; quelles sont les fonctions métiers pour lesquelles ces solutions apportent une plus value ; quels sont les fournisseurs de solutions décisionnelles en termes de matériels, logiciels et ressources humaines ; quels sont les postes recherchés et quels métiers et travail correspondent à ces postes. Solutions décisionnelles : état de l art. Les solutions décisionnelles se répartissent en trois grands domaines : les solutions de stockage de données, moteurs de base de données, serveurs et stockages adaptés à les gestions des grands volumes de données ; les solutions de manipulation des données, entre sources de données et données d analyses cibles, comment exporter, modifier et charger les données à la base des actions de décision ; les solutions d analyses décisionnelles, l éventail des solutions d analyses, les profils et besoins des utilisateurs correspondants. Pour chaque domaine les nouvelles solutions ou prospectives sont décrites. 15/20

16 Fonctionnement : 12H C. Contrôle continu Stage de 4-5 mois dans une entreprise ou dans une unité de recherche. Le stage est encadré par un enseignant universitaire et un acteur de l unité d accueil du stage. A l issue du stage, l étudiant remet un rapport et soutient son projet devant un jury composé d enseignants universitaires et d industriels. V - Master 2 Semestre 9 V-1. Environnement décisionnel : OLAP Pour la partie TD : recherche et commentaires des outils et solutions open source dans le domaine de la BI, et, comparaison avec SAP. Pour la partie TP Business Objects (BO) : V Découverte de l outil, 2. Réalisation de requêtes à partir de la base école, 3. Présentation et analyse de données simples (chart, et pertinence), 4. Conception d un univers depuis un fichier Accès 5. Mise en place de fonction dans la réalisation des requêtes complexes. Évaluations : Partie cours : Réponse à une question de cours, Mise en situation et analyse personnelle Partie TP : Réalisation d un tableau de bord avec 3 ou 4 réponses à fournir (chart, analyse, commentaires..) sur une quinzaine de lignes Bases de données à grande échelle Objectif(s) et Compétences visés : Introduire les principaux problèmes posés et les méthodes proposées dans la conception et le développement des systèmes de bases de données répartis à grande échelle. Comprendre comment il est possible d exploiter efficacement les serveurs de BD parallèles et les SGBD répartis à grande échelle dans un contexte d aide à la décision. Programme : Serveurs de bases de données parallèles : objectifs et parallélisation de requêtes décisionnelles Modèles d allocation et de localisation des données réparties Évaluation et optimisation de requêtes en environnement réparti à grande échelle Modèles de coûts : collection dynamique des statistiques et impacts des précisions des estimations sur les performances des requêtes. Systèmes d intégration virtuelles de données : caractéristiques et problématiques et modèles d évaluation de requêtes décisionnelles Introduction aux bases données mobiles : 1. Types de mobilité dans les BD 2. Évaluation et optimisation de requêtes en environnement réparti à grande échelle Fonctionnement : 18h CM et 12h TD. Un contrôle terminal V-3. Indexation par le contenu Documents Audio et Vidéo Le cours de statistiques multimédia a pour but de présenter de nouveaux cadres applicatifs statistiques pour les étudiants du parcours Master 2 Statistiques et Informatique Décisionnelle. Le cours se compose d une première partie sur l étude de l image suivi d une partie axée sur le traitement de l audio. Image cette partie présente les principaux mécanismes mis en œuvres pour indexer et formuler des requêtes sur des images sans utiliser de texte. 1. Principes d un moteur de recherche d image par le contenu 16/20

17 2. Indexation par la couleur 3. Indexation par la texture 4. Indexation par la forme Audio cette partie comporte principalement les aspects suivants : V A la découverte d un signal aléatoire : la parole 2. Paramétrisation 3. Modélisation statistique 4. Méthodes d évaluation et implémentations Après une rapide introduction pour vous présenter l objectif de cette formation, le cours se découpe en quatre parties. Les deux premières parties sont destinées à expliquer le type de données que l on va devoir traiter, la troisième va exposer une méthode de modélisation. Nous finirons par une partie expliquant comment exploiter des résultats de modélisations, les informations à stocker dans des bases de données et quelques applications industrielles. Évaluation des processus et certification Les principaux objectifs de ce cours sont les suivants : Approche de la qualité du logiciel sous l aspect Qualité du Processus de Développement (modèle CMM, standard et normes de développement,...) et sous l aspect Qualité Produit (Norme ISO9126, techniques de test,...). Mise en perspective avec une présentation plus spécifiques des normes (DO2167, DO178), outils (Logiscope,...) et techniques (revue, inspection) appliquées dans le monde aéronautique et spatial et ses systèmes Safety of Life. Introduction à la notion de certification du logiciel. Présentation des aspects des outils de traçabilité des exigences mis en œuvre dans le contexte de développement logiciel pour l ingénierie des données, métrologie, diagnostic qualité, arbre de défaillance, méthode d évaluation de l arbre qualité. Processus de certification de l environnement de développement. Exigence qualité processus de traçabilité ISO - Normes ISO Fonctionnement : 30h CM V-5. Normes W3C : XML et les Bases de Données Ce cours consolide les techniques de stockage aux documents structurés de Type XML déjà introduites en Master 1. Il s articule autour de quatre axes : Généralités XML : XSLT et XSL-FO ; Xpath ; Xquery ; XML et les bases de données. L assimilation de tous ces outils est assurée par un projet fait en TP. Fonctionnement : Cours et TP. Contrôle continu sur les notions abordées en cours, un contrôle terminal. V-6. Apprentissage Statistique Ce cours présente les techniques récentes d apprentissage statistique, de data-mining : 1. régression logistique 2. analyse discriminante 3. arbres de régression et de discrimination 4. réseau de neurones 5. agrégation de modèles (bagging, forêts aléatoires, boosting) 6. SVM (Séparateur à Vaste Marge ou Support Vector Machines) 17/20

18 Il est illustré par des TP utilisant le logiciel R et basés sur des données réelles. Fonctionnement : Cours - TP. L évaluation s effectue par la remise d un rapport de projet, illustrant la mise en œuvre de ces méthodes sur un nouveau jeu de données. V-7. Statistiques bio-médicales Ce cours s articule autour d un projet d analyse statistique sur des données biomédicales réelles. Il permet aux étudiants de revoir l ensemble des méthodes statistiques vues pendant leur cursus, mais aussi d appréhender de nouveaux outils mathématiques et statistiques spécifiquement adaptées aux données biomédicales. Dans ce cadre, nous présenterons en particulier les méthodes d analyse de survie pour analyser les données censurées (méthode actuarielle, méthode de Kaplan-Meier, Modèle de Cox). Fonctionnement : Cours et TP. Projet. V-8. Modèle linéaire gaussien général Ce cours vient en complément des enseignements sur le modèle linéaire. L objectif est de présenter et de mettre en œuvre des nouvelles méthodes de modélisation linéaire couramment employées dans la pratique statistique : Analyse de variance multidimensionnelle (MANOVA) Modèles à effets aléatoires et modèles mixtes Modèles pour données répétées Fonctionnement : Cours et TP. Contrôle continu par des compte-rendus de TP et un examen terminal. V-9. Maîtrise statistique des procédés Ce cours donne un large panorama sur la maîtrise statistique des procédés (MSP). Il s agit de techniques descriptives et inférentielles pour le contrôle statistique des processus. Les points abordés sont les suivants : Rappels et compléments sur la distribution gaussienne. Méthodes d estimation des paramètres. Capabilités. Cartes de contrôles et applications. Plans d échantillonnage. Fonctionnement : Cours magistraux, TD, 3 TP. Contrôle continu : compte-rendus des TP. Un contrôle terminal. V-10. Fiabilité des systèmes Ce cours constitue une introduction à la fiabilité des systèmes. Les notions théoriques abordées sont mises en application sur des cas d étude réels issus du contexte aéronautique. Il s articule en 3 étapes principales : Vocabulaire et généralités sur les systèmes et la sûreté de fonctionnement ; Analyses qualitative : diagrammes, coupes/chemins minimaux/non minimaux,... Analyses quantitatives : cas général, loi exponentielle, systèmes série/parallèle,... Fonctionnement : Cours + TD + Un contrôle terminal. V-11. Fiabilité des matériaux Ce cours propose quelques outils statistiques de base pour calculer la fiabilité des matériaux. Il s articule autour de trois parties : Partie 1 : Initiation aux notions élémentaires sur les matériaux : les différents types de matériaux, les contraintes mécaniques étudiées et les essais modélisés. Partie 2 : Procédure de calculs de fiabilité pour les essais à ruptures. Identification d un modèle par la loi normale, log-normale et de Weibull. Calcul de paramètres des lois, détection des points aberrants. Valeurs de tolérances. 18/20

19 Chapitre 3 : Modélisation mathématique d un essai à non-ruptures et ses limites. Fonctionnement : Cours-TD. Un contrôle terminal. V-12. Modèles statistiques pour l information textuelle Ce cours présente des modèles statistiques pour l accès et la classification de corpus de textes. Ce cours complète l enseignement Concepts RI assuré au semestre 6. Une partie de ce cours est assurée par un industriel (EADS) qui présente les cadres d application de l analyse statistique de textes sur des corpus de documentation avionique. Notions de base : Lois de distributions sur les textes (loi de Zipf, loi de Heap) Outils statistiques pour la RI : tests de significativité, analyse de corrélations, mesures de tendances et dispersion Modèles statistiques pour l accès à l information : modèle de langue, modèle d apprentissage (learning to rank)... Méthodes statistiques pour la classification et catégorisation de textes : SVM, Naive Bayes, K plus proches voisins... Fonctionnement : 16h Cours, 12h TP. Contrôle continu sous forme de projet. Un contrôle terminal. V-13. Cycle de décision en entreprise Ce module aborde les notions d intelligence économique et de veille stratégique en les situant dans le cycle de décision en entreprise. Une ouverture vers les nouveaux métiers et les nouvelles pratiques dans les TIC et aussi proposée et illustrée de nombreux exemples pratiques. Il s articule autour de deux grands axes : Cycle Innovation et Propriété Intellectuelle 1. Mission INPI et concepts de base 2. Comprendre la PI dans le cycle de l innovation présentation des outils Pi Signe distinctifs et marques Dessins et modèles Droit d auteur Secret de fabrique Brevet invention extension internationale Pi et communication 3. Recherches d antériorité : pourquoi et quelles bases de données accessibles Marques Dessins et modèles Brevet 4. la contrefaçon La Propriété Intellectuelle appliquée aux logiciels 1. Comment protéger un logiciel - par le droit d auteur - par le droit des brevets - par le droit des dessins et modèles - par le droit des marques - par le droit commun 2. Autres aspects Licences open sources droit comparé Business Methods Bases de données Fonctionnement : Cours, examen terminal, QCM et étude de cas. 19/20

20 V-14. Techniques de communication Ce cours aborde l entretien d embauche en face à face : l importance de la préparation et du non verbal ; les techniques professionnelles relevant de l entretien ; les erreurs à éviter ; comment suivre sa candidature. L objectif est de savoir préparer et mener un entretien d embauche professionnel. Fonctionnement : cours, TD, contrôle continu des TD. V-15. Conférences thématiques Le contenu de ces conférences varie suivant les intervenants. Il s agit essentiellement d une sensibilisation à la recherche. Des conférenciers, issus de laboratoires de recherche privés ou universitaires (essentiellement en provenance de l IMT et de l IRIT, mais aussi parfois des intervenants extérieurs suivant les opportunités) présentent des thématiques de recherche. Les étudiants apprennent à se servir des méthodes de recherche bibliographiques, à s approprier un sujet et à poser un regard critique dessus. VI - Master 2 Semestre 10 Stage long (5 mois minimum). 20/20

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique

FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique NOM DE L'UE : Algorithmique et programmation C++ LICENCE INFORMATIQUE Non Alt Alt S1 S2 S3 S4 S5 S6 Parcours : IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE Non

Plus en détail

Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS

Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS 1er semestre UE1-01 E Algèbre 40 Analyse 26 14 Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS Introduction au système SAS 25,5

Plus en détail

Introduction à la B.I. Avec SQL Server 2008

Introduction à la B.I. Avec SQL Server 2008 Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Parcours en deuxième année

Parcours en deuxième année Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure

Plus en détail

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES

Plus en détail

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

UE 8 Systèmes d information de gestion Le programme

UE 8 Systèmes d information de gestion Le programme UE 8 Systèmes d information de gestion Le programme Légende : Modifications de l arrêté du 8 mars 2010 Suppressions de l arrêté du 8 mars 2010 Partie inchangée par rapport au programme antérieur Indications

Plus en détail

PROBABILITES ET STATISTIQUE I&II

PROBABILITES ET STATISTIQUE I&II PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits

Plus en détail

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence

Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION. Mentions Ingénierie des Systèmes d Information Business Intelligence É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure ARCHITECTURE DES SYSTEMES D INFORMATION Mentions

Plus en détail

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.)

Licence Professionnelle en Statistique et Informatique Décisionnelle (S.I.D.) Université de Lille 2 - Droit et Santé Ecole Supérieure des Affaires & Institut Universitaire de Technologie (IUT-C) Département Statistique et Traitement Informatique des Données Licence Professionnelle

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE GUIDE COMPARATIF BUSINESS INTELLIGENCE www.viseo.com Table des matières Business Intelligence :... 2 Contexte et objectifs... 2 Une architecture spécifique... 2 Les outils de Business intelligence... 3

Plus en détail

ECTS CM TD TP. 1er semestre (S3)

ECTS CM TD TP. 1er semestre (S3) Organisation du parcours M2 IRS en alternance De façon générale, les unités d enseignements (UE) sont toutes obligatoires avec des ECTS équivalents à 3 sauf le stage sur 27 ECTS et réparties sur deux semestres

Plus en détail

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012

CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE. Edition 2012 CATALOGUE DE FORMATIONS BUSINESS INTELLIGENCE Edition 2012 AGENDA Qui sommes nous? Présentation de Keyrus Keyrus : Expert en formations BI Nos propositions de formation 3 modes de formations Liste des

Plus en détail

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement

Fournir un accès rapide à nos données : agréger au préalable nos données permet de faire nos requêtes beaucoup plus rapidement Introduction Phases du projet Les principales phases du projet sont les suivantes : La mise à disposition des sources Des fichiers Excel sont utilisés pour récolter nos informations L extraction des données

Plus en détail

Master CCI. Compétences Complémentaires en Informatique. Livret de l étudiant

Master CCI. Compétences Complémentaires en Informatique. Livret de l étudiant Master CCI Compétences Complémentaires en Informatique Livret de l étudiant 2014 2015 Master CCI Le Master CCI (Compétences Complémentaires en Informatique) permet à des étudiants de niveau M1 ou M2 dans

Plus en détail

Débouchés professionnels

Débouchés professionnels Master Domaine Droit, Economie, Gestion Mention : Monnaie, Banque, Finance, Assurance Spécialité : Risque, Assurance, Décision Année universitaire 2014/2015 DIRECTEUR de la spécialité : Monsieur Kouroche

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane

Plus en détail

TABLE DES MATIERES. C Exercices complémentaires 42

TABLE DES MATIERES. C Exercices complémentaires 42 TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence

Plus en détail

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude

INF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude INF 1250 INTRODUCTION AUX BASES DE DONNÉES Guide d étude Sous la direction de Olga Mariño Télé-université Montréal (Québec) 2011 INF 1250 Introduction aux bases de données 2 INTRODUCTION Le Guide d étude

Plus en détail

CQP ADMINISTRATEUR DE BASES DE DONNÉES (ABD) ----------------------------------------------------------------------------------------------------

CQP ADMINISTRATEUR DE BASES DE DONNÉES (ABD) ---------------------------------------------------------------------------------------------------- ORGANISME REFERENCE STAGE : 26587 20 rue de l Arcade 75 008 PARIS CONTACT Couverture : M. Frédéric DIOLEZ Paris, Lyon, Bordeaux, Rouen, Toulouse, Marseille, Tél. : 09 88 66 17 40 Strasbourg, Nantes, Lille,

Plus en détail

Semestre 1. Objectifs Approfondissement de l environnement Java et de son interface de programmation d applications : réseaux, et processus.

Semestre 1. Objectifs Approfondissement de l environnement Java et de son interface de programmation d applications : réseaux, et processus. Programmation Java avancée (3 ECTS 36h) Semestre 1 Approfondissement de l environnement Java et de son interface de programmation d applications : réseaux, et processus. Introduction. Rappels des concepts

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,

Plus en détail

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP)

Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Magasins et entrepôts de données (Datamart, data warehouse) Approche relationnelle pour l'analyse des données en ligne (ROLAP) Définition (G. Gardarin) Entrepôt : ensemble de données historisées variant

Plus en détail

MANAGEMENT DES SERVICES INFORMATIQUES

MANAGEMENT DES SERVICES INFORMATIQUES MANAGEMENT DES SERVICES SOMMAIRE SAP BO DASHBOARDS 4.0 3 Nouveautés SAP BO Web Intelligence BI 4 3 SAP BO Web Intelligence 4 Niveau 1 4 SAP BO Web Intelligence 4 Niveau 2 4 SAP BO Web Intelligence XI3

Plus en détail

Entrepôt de données 1. Introduction

Entrepôt de données 1. Introduction Entrepôt de données 1 (data warehouse) Introduction 1 Présentation Le concept d entrepôt de données a été formalisé pour la première fois en 1990 par Bill Inmon. Il s agissait de constituer une base de

Plus en détail

NOTICE DOUBLE DIPLÔME

NOTICE DOUBLE DIPLÔME NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

SQL SERVER 2008, BUSINESS INTELLIGENCE SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business

Plus en détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1 Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe

Plus en détail

Didier MOUNIEN Samantha MOINEAUX

Didier MOUNIEN Samantha MOINEAUX Didier MOUNIEN Samantha MOINEAUX 08/01/2008 1 Généralisation des ERP ERP génère une importante masse de données Comment mesurer l impact réel d une décision? Comment choisir entre plusieurs décisions?

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS)

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS) RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE OPERATIONNELLE METIERS) Intitulé (cadre 1) Master Droit Economie Gestion, mention Management des Systèmes d Information, spécialité Management et Technologies

Plus en détail

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP

Plus en détail

La survie nette actuelle à long terme Qualités de sept méthodes d estimation

La survie nette actuelle à long terme Qualités de sept méthodes d estimation La survie nette actuelle à long terme Qualités de sept méthodes d estimation PAR Alireza MOGHADDAM TUTEUR : Guy HÉDELIN Laboratoire d Épidémiologie et de Santé publique, EA 80 Faculté de Médecine de Strasbourg

Plus en détail

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise.

Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Solutions PME VIPDev Nos Solutions PME VIPDev sont les Atouts Business de votre entreprise. Cette offre est basée sur la mise à disposition de l ensemble de nos compétences techniques et créatives au service

Plus en détail

DESCRIPTIF DE MODULE S5 GSI

DESCRIPTIF DE MODULE S5 GSI Option SIM DESCRIPTIF DE MODULE S5 GSI : Gouvernance et Systèmes d Information COORDONNATEUR DU MODULE : Département : Ce module a pour but d enseigner les méthodes, les règles et les pratiques nécessaires

Plus en détail

Cours Bases de données

Cours Bases de données Informations sur le cours Cours Bases de données 9 (10) séances de 3h Polycopié (Cours + TD/TP) 3 année (MISI) Antoine Cornuéjols www.lri.fr/~antoine antoine.cornuejols@agroparistech.fr Transparents Disponibles

Plus en détail

Le "tout fichier" Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique

Le tout fichier Le besoin de centraliser les traitements des fichiers. Maitriser les bases de données. Historique Introduction à l informatique : Information automatisée Le premier ordinateur Définition disque dure, mémoire, carte mémoire, carte mère etc Architecture d un ordinateur Les constructeurs leader du marché

Plus en détail

PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN

PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN 1. DÉVELOPPEMENT D'APPLICATION (CONCEPTEUR ANALYSTE) 1.1 ARCHITECTURE MATÉRIELLE DU SYSTÈME INFORMATIQUE 1.1.1 Architecture d'un ordinateur Processeur,

Plus en détail

Table des matières. I Mise à niveau 11. Préface

Table des matières. I Mise à niveau 11. Préface Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3

Plus en détail

La directive INSPIRE en Wallonie: le géoportail et l infrastructure de diffusion des géodonnées en Région wallonne (InfraSIG(

La directive INSPIRE en Wallonie: le géoportail et l infrastructure de diffusion des géodonnées en Région wallonne (InfraSIG( La directive INSPIRE en Wallonie: le géoportail et l infrastructure de diffusion des géodonnées en Région wallonne (InfraSIG( InfraSIG) Jean-Pierre KINNAERT Directeur Département de la géomatique Service

Plus en détail

Programme «Analyste Programmeur» Diplôme d état : «Développeur Informatique» Homologué au niveau III (Bac+2) (JO N 176 du 1 août 2003) (34 semaines)

Programme «Analyste Programmeur» Diplôme d état : «Développeur Informatique» Homologué au niveau III (Bac+2) (JO N 176 du 1 août 2003) (34 semaines) Programme «Analyste Programmeur» Diplôme d état : «Développeur Informatique» Homologué au niveau III (Bac+2) (JO N 176 du 1 août 2003) (34 semaines) Module 1 : Programmer une application informatique Durée

Plus en détail

SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)...

SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... 3 Introduction... 3 Échelle Interactive... 4 Navigation

Plus en détail

SAS ENTERPRISE MINER POUR L'ACTUAIRE

SAS ENTERPRISE MINER POUR L'ACTUAIRE SAS ENTERPRISE MINER POUR L'ACTUAIRE Conférence de l Association des Actuaires I.A.R.D. 07 JUIN 2013 Sylvain Tremblay Spécialiste en formation statistique SAS Canada AGENDA Survol d Enterprise Miner de

Plus en détail

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

Annexe commune aux séries ES, L et S : boîtes et quantiles

Annexe commune aux séries ES, L et S : boîtes et quantiles Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

Formation continue. Ensae-Ensai Formation Continue (Cepe)

Formation continue. Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat

Plus en détail

ANALYSTE PROGRAMMEUR DIPLÔME D ÉTABLISSEMENT

ANALYSTE PROGRAMMEUR DIPLÔME D ÉTABLISSEMENT école sciences industrielles & technologies de l information ANALYSTE PROGRAMMEUR DIPLÔME D ÉTABLISSEMENT Crédit : 120 ECTS Code DIE20 Niveau d entrée : Bac Niveau de sortie : Bac + 2 EN VAE Diplômes accessibles

Plus en détail

CQP Développeur Nouvelles Technologies (DNT)

CQP Développeur Nouvelles Technologies (DNT) ORGANISME REFERENCE STAGE : 26572 20 rue de l Arcade 75 008 PARIS CONTACT Couverture géographique : M. Frédéric DIOLEZ Bordeaux, Rouen, Lyon, Toulouse, Marseille Tél. : 09 88 66 17 40 Nantes, Lille, Strasbourg,

Plus en détail

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto. des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le

Plus en détail

DEMANDE D INFORMATION RFI (Request for information)

DEMANDE D INFORMATION RFI (Request for information) DOD SEICAM RFI Demande d information EVDEC Réf. : RFI_EVDEC- GT5_Outil_reporting_BI_v4.doc Page 1/11 DEMANDE D INFORMATION RFI (Request for information) OUTIL INTÉGRÉ DE REPORTING ET D ANALYSE DÉCISIONNELLE

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

Plus en détail

Statistiques et traitement des données

Statistiques et traitement des données Statistiques et traitement des données Mention : Mathématiques Nature de la formation : Diplôme national de l'enseignement Supérieur Durée des études : 2 ans Crédits ECTS : 120 Formation accessible en

Plus en détail

Bases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS

Bases de Données. Stella MARC-ZWECKER. stella@unistra.u-strasbg.fr. Maître de conférences Dpt. Informatique - UdS Bases de Données Stella MARC-ZWECKER Maître de conférences Dpt. Informatique - UdS stella@unistra.u-strasbg.fr 1 Plan du cours 1. Introduction aux BD et aux SGBD Objectifs, fonctionnalités et évolutions

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

LICENCE PROFESSIONNELLE SYSTEMES INFORMATIQUES & LOGICIELS

LICENCE PROFESSIONNELLE SYSTEMES INFORMATIQUES & LOGICIELS LICENCE PROFESSIONNELLE SYSTEMES INFORMATIQUES & LOGICIELS Contenu détaillé de la spécialité : SIMO : SYSTEMES D'INFORMATION, METHODES ET OUTILS (ASSISTANT CHEF DE PROJET INFORMATIQUE) Contenu détaillé

Plus en détail

Renforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.

Renforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos. Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière

Plus en détail

Cette première partie pose les enjeux de la BI 2.0 et son intégration dans le SI de l entreprise. De manière progressive, notre approche situera le

Cette première partie pose les enjeux de la BI 2.0 et son intégration dans le SI de l entreprise. De manière progressive, notre approche situera le Partie I BI 2.0 Cette première partie pose les enjeux de la BI 2.0 et son intégration dans le SI de l entreprise. De manière progressive, notre approche situera le SI classique avec l intégration de la

Plus en détail

Spécificités, Applications et Outils

Spécificités, Applications et Outils Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining

Plus en détail

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p. STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,

Plus en détail

L'intelligence d'affaires: la statistique dans nos vies de consommateurs

L'intelligence d'affaires: la statistique dans nos vies de consommateurs L'intelligence d'affaires: la statistique dans nos vies de consommateurs Jean-François Plante, HEC Montréal Marc Fredette, HEC Montréal Congrès de l ACFAS, Université Laval, 6 mai 2013 Intelligence d affaires

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 3 - Data

BI = Business Intelligence Master Data-ScienceCours 3 - Data BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage

Plus en détail

Devenez un véritable développeur web en 3 mois!

Devenez un véritable développeur web en 3 mois! Devenez un véritable développeur web en 3 mois! L objectif de la 3W Academy est de former des petits groupes d élèves au développement de sites web dynamiques ainsi qu à la création d applications web

Plus en détail

Conduite de projets informatiques Développement, analyse et pilotage (2ième édition)

Conduite de projets informatiques Développement, analyse et pilotage (2ième édition) Avant-propos 1. Objectifs du livre 13 2. Structure du livre 14 Un projet informatique 1. Les enjeux 17 1.1 Les buts d'un projet 17 1.2 Les protagonistes d'un projet 18 1.3 Exemples de projets 19 2. Les

Plus en détail

IT203 : Systèmes de gestion de bases de données. A. Zemmari zemmari@labri.fr

IT203 : Systèmes de gestion de bases de données. A. Zemmari zemmari@labri.fr IT203 : Systèmes de gestion de bases de données A. Zemmari zemmari@labri.fr 1 Informations pratiques Intervenants : Cours : (A. Zemmari zemmari@labri.fr) TDs, TPs : S. Lombardy et A. Zemmari Organisation

Plus en détail

BES WEBDEVELOPER ACTIVITÉ RÔLE

BES WEBDEVELOPER ACTIVITÉ RÔLE BES WEBDEVELOPER ACTIVITÉ Le web developer participe aux activités concernant la conception, la réalisation, la mise à jour, la maintenance et l évolution d applications internet/intranet statiques et

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail

Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza

Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza Introduction à ORACLE WAREHOUSE BUILDER Cédric du Mouza Avant de commencer à travailler avec le produit, il est nécessaire de comprendre, à un haut niveau, les problèmes en réponse desquels l outil a été

Plus en détail

PROGRAMME DETAILLE. Parcours en première année en apprentissage. Travail personnel. 4 24 12 24 CC + ET réseaux

PROGRAMME DETAILLE. Parcours en première année en apprentissage. Travail personnel. 4 24 12 24 CC + ET réseaux PROGRAMME DETAILLE du Master IRS Parcours en première année en apprentissage Unités d Enseignement (UE) 1 er semestre ECTS Charge de travail de l'étudiant Travail personnel Modalités de contrôle des connaissances

Plus en détail

MASTER 2 SCIENCES HUMAINES ET SOCIALES Mention Psychologie. Spécialité : Recherches en psychologie

MASTER 2 SCIENCES HUMAINES ET SOCIALES Mention Psychologie. Spécialité : Recherches en psychologie S3 Spécialité : Recherches en psychologie UE OBLIGATOIRES UE 1 : Epistémologie et méthodes de recherche en psychologie Ce séminaire aborde plusieurs aspects de la recherche en psychologie. Il présente

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

THOT - Extraction de données et de schémas d un SGBD

THOT - Extraction de données et de schémas d un SGBD THOT - Extraction de données et de schémas d un SGBD Pierre-Jean DOUSSET (France), Benoît ALBAREIL (France) pj@miningdb.com, benoit@miningdb.com Mots clefs : Fouille d information, base de données, système

Plus en détail

Agenda de la présentation

Agenda de la présentation Le Data Mining Techniques pour exploiter l information Dan Noël 1 Agenda de la présentation Concept de Data Mining ou qu est-ce que le Data Mining Déroulement d un projet de Data Mining Place du Data Mining

Plus en détail

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc. Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants

Plus en détail

Bases de données avancées Introduction

Bases de données avancées Introduction Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)

Plus en détail

Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.

Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Nom de l application

Nom de l application Ministère de l Enseignement Supérieur et de la Recherche Scientifique Direction Générale des Etudes Technologiques Institut Supérieur des Etudes Technologiques de Gafsa Département Technologies de l Informatique

Plus en détail

Domaines d intervention

Domaines d intervention MANAGEMENT INFORMATIQUE 1 PLACE DE L EGALITE 78280 GUYANCOURT TELEPHONE + 33 1 30 48 54 34 TELECOPIE + 33 1 30 48 54 34 INFOS mailto:contact@managementinformatique.com Société Présentation Société Notre

Plus en détail

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données

Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données Structure du cours : Il existe de nombreuses méthodes intéressantes qui couvrent l Analyse des Données et le Data Mining Nous suivons le plan suivant : Fonctionnement de Spad Catalogue des méthodes (statistiques

Plus en détail

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS

Formations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES

Plus en détail

C est quoi le SWAT? Les équipes décrites par James Martin s appellent SWAT : Skilled With Advanced Tools.

C est quoi le SWAT? Les équipes décrites par James Martin s appellent SWAT : Skilled With Advanced Tools. 1- RAD Quelle sont les avantages que apporte la méthode RAD à l entreprise? Une méthode RAD devrait, d après son auteur, apporter trois avantages compétitifs à l entreprise : Une rapidité de développement

Plus en détail

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...)

SQL Server 2012 Implémentation d'une solution de Business Intelligence (Sql Server, Analysis Services...) Avant-propos 1. À qui s'adresse ce livre? 15 2. Pré-requis 15 3. Objectifs du livre 16 4. Notations 17 Introduction à la Business Intelligence 1. Du transactionnel au décisionnel 19 2. Business Intelligence

Plus en détail

S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques)

S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) NOM DE L'UE : Algorithmique et optimisation S LICENCE INFORMATIQUE Non Alt S Alt S S1 S2 S3 S4 SS5 S6 Parcours : S IL (Ingénierie Logicielle) SRI (Systèmes et Réseaux Informatiques) MASTER INFORMATIQUE

Plus en détail

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d

Plus en détail

MODELISATION UN ATELIER DE MODELISATION «RATIONAL ROSE»

MODELISATION UN ATELIER DE MODELISATION «RATIONAL ROSE» MODELISATION UN ATELIER DE MODELISATION «RATIONAL ROSE» Du cours Modélisation Semi -Formelle de Système d Information Du Professeur Jean-Pierre GIRAUDIN Décembre. 2002 1 Table de matière Partie 1...2 1.1

Plus en détail