[PDF] Présentation PowerPoint 11 sept. 2020 Introduction au

View - Download Présentation PowerPoint

Previous PDF

Next PDF

Les Modules

Semestre1

Année2020-2021 [mise à jour le 11/09/2020]

Des modules TECHet THEM

Tousles modules durent20h

TECH / les fondamentaux maths/infoTHEM / Les domaines applicatifs

Introduction au langage Python

Biologie : qu'analyse-t-on ?

Nouvelles Technologies sous RChimie informatique sous Python Data Mining : Fondements et Outils PythonData Sciences et Langage Data Mining avec le logiciel RAnalyse Spatiale Prédictive Introduction au logiciel SASImagerie et interpolation des structures géométriques 3D

BigData avec SASModéliser des flux avec Comsol

Multiphysics

Big Data avec HadoopSIG Raster et 3D : initiation et modélisation environnementale

Algorithmes pour la résolution de

problèmes

Analyse de données par des cas pratiques

Méthodes et expérimentations numériquesMéthodologie de l'économétrie

Programmation Haute Performance

Droit de l'informatique

Ouvertsau

Semestre1

Non-disponible

ououvertau S2

Introduction à Python

et Exemples etdutraitementdeslangues.

Introduction à Python

et Exemples

IntervenantsMathieu Liedloff

Anthony Perez

Carine Lucas

Emmanuel Schang

PrérequisAucun

Périoded'enseignementLemardienfin d'aprèsmidi semester 1

FormeTP, apprentissagepar

LangueFrançais

ÉvaluationExercicesde Programmation

Ce module présente quelques applications innovantes de R pour proposer des rapports etdes documents

de travail automatisés (Rmarkdown) et des applications web interactives (Shiny)

Objectifs:

oSavoir construire des rapports faisant intervenir des sorties et analyses R de manière automatique

oÊtre en mesure de construire des applications web utilisables depuis de nombreux médias (téléphone

portable, tablette, PC) et ne nécessitant pas d'installationde R.L'accentsera mis sur l'aspectreproductible et/ou interactif. oA la découverte de RMarkdown oLa syntaxe Markdown oInclusion de codes R o oDocuments interactifs avec Shiny oGénéralités oSyntaxe et mise en forme o oConception de dashboards(en fonction de l'avancement)

Nouvelles Technologies sous R

Nouvelles technologies sous R

IntervenantsDidierChauveau

Laurent Delsol

PrérequisConnaissancesde base sur l'utilisationde

R et la programmationdanscelangage

Période d'enseignementLe Mardi enfin d'aprèsmidisemester 1

FormeCourset TD

LangueFrançais

Évaluation

Analyse de donnéespar des caspratiques

Uneintroduction au Data Scienceau travers G·H[HPSOHV, enmettantrésolumentO·MŃŃHQPsur la mise

enpratique"B HP VXU OHV erreursà ne pas commettre!

Exemple: comparaisonentre deux

empreintesdigitales.

Est-cela mêmepersonne?

Comment quantifier cela?

Au programme :

Mesuresde similitude : quanddeuxrésultatssont-ilssimilaires? Les incertitudes: essentiellespour prendredes décisions Ajustementde courbes: comment trouverle meilleurmodèle?

De la classification au réseauxde neurones

Exemplestirésde la physique, la chimie, les sciences de la Terre, biologie"

Analyse de données par des cas pratiques

IntervenantThierry DUDOK DE WIT (OSUC)

Pré requisPratiquecouranted'unlangagedeprogrammation(Python, Période d'enseignementLemardienfin d'aprèsmidi -semestre1 FormeCours-TD interactifavec applications sur Matlab.

Coursenfrançais, documents enanglais

LangueFrançais

A regarder avant Le courset des liens utilessonttoussur CELENE

Méthodologiede l'économétrie

La pollution

atmosphérique a t- elle un impact sur la

VMQPHғdes enfants ?

mathématiquesetstatistiques danslebutdedonneruncontenuempirique lesréfuter.(Maddala,1992)

Quelques

questions auxquellesles

économètres

essayentde répondre:

Quelles sont les

ŃRQVpTXHQŃHV G·XQH

augmentation du prix du pétrole sur la croissance, le chômage, les ventes des voitures, etc.?

Quelles sont les

conséquences d·une variation du taux d·LQPHғreࡂt sur l·investissement ?

La dépréciation du

dollar est-elle compatible avec la hausse des prix du pétrole ?

Une hausse

G·LQIOMPLRQ SHUPHP-

elle de réduire le chômage ?

La catégorie socio-

professionnelle des parents a t-elle un impact sur le niveau de formation des enfants ? ETC"

régression, corrélation, causalité, estimateur, paramètre, test statistique, intervallede

confiance"Mots clés

Méthodologiede l'économétrie

IntervenantDenisaBANULESCU-RADU (LEO)

Pré requisAlgèbrelinéaire,notionsdebasedeprobabilités, enthousiasme&curiosité Période d'enseignementLemardienfin d'aprèsmidi -semestre1

FormeCours-TD interactif

LangueFrançais/ English

ÉvaluationMini-projet

A regarder avant Le courset des liens utilessonttoussur CELENE

Introduction au logicielSAS

primo-exploitationdesdonnées. scientist:ladonnée.

Introduction au logiciel SAS

IntervenantsThéo Rivinoff

Pré requisaucun

Période d'enseignementLemardienfin d'aprèsmidi semestre1

FormeSalle informatique

ÉvaluationDevoir de mise en application des

connaissances acquises durant le cours (2 heures)

A regarder avant Des pointeurs utiles ...

Les Modules

enprévisiondu semestre2

Année2020-2021 [mise à jour le 11/09/2020]

Data Mining : Fondementset OutilsPython

deDataMiningdansunprojetPython.

Data Mining : Fondementset OutilsPython

donnéesetdelavalidationdesmodèles, neurones,SVM,noyaux, ladensité,

Data Mining : Fondementset OutilsPython

IntervenanteChristel VRAIN

packages. Périoded'enseignementSemainebanalisée,2ème semainede janvier

Semestre2

FormeCourset TP

ÉvaluationMiseonprocessusdeDataMining

surunebasededonnées,auchoixdes

étudiants.Pargroupesde2ou3.

A regarder avant

Data Mining avec le logicielR

Big Data avec SAS

abordées. effectuédurantlasemainedecours.

Big Data avec SAS

IntervenantAnthony Paris

declassification(logistique)

Stata,...)

Périoded'enseignementSemainebanalisée,2ème semainede janvier

Semestre2

FormeCours

ÉvaluationProjetà rendre

Big Data avec Hadoop

Comment manipuleret traiterde grandemasses de données? commeGoogle,Facebook,Amazon,Ebay,... de cemodule, estde permettreaux étudiantsd'acquérirdes connaissancesà la fois théoriqueset pratiquesdansla gestion, le stockageet la manipulation de grandesmasses de donnéesenutilisantle modèleMapReduce, le systèmede fichiersdistribués(HDFS) enpassant par enpratique(pendant les séances de TPs) de différentsframeworks Big Data telque

Hadoop, Hbase, Hive, PigLatinet Giraph.

Big Data avec Hadoop

IntervenantMostafa BAMHA

PrérequisConnaissance de Java et Unix

Période d'enseignementSemainebanalisée,2ème semainede janvier

Semestre2

FormeCours-TP (entièrementensallemachine)

ÉvaluationExercicespendant la semaineplus exercicesà rendresous Celene15 joursplus tard.

Méthodeset expérimentationsnumériques

populationsetenphysiquepour/ séancepermettradeprendreenmainScilab.

Méthodeset expérimentationsnumériques

A regarder avant Des pointeurs utiles ...

IntervenantsC. Lucas

M. Ribot

J.-L. Rouet

PrérequisAucun, sinonle goûtpour la programmation Périoded'enseignementSemainebanalisée,2ème semainede janvier

Semestre2

FormeCours/TP

ÉvaluationRapport écritsur un casà traiter

ProgrammationHaute Performance

Comment paralléliserun problèmepour unemiseensur des architectures haute performance ?

Le principedu parallélismeestsimple.

Il s'agitd'exécuterenmêmetemps le maximum d'instructionsindépendantesd'un code de calculs.

La miseennécessitede connaître

Les architectures des machines parallèles

Les techniques de parallélisation

Les techniques de programmation

Ce module GSON a pour objectifs

A partirde nombreuxexemplesd'introduireles différentestechniques de parallélisationindépendamment

de tout langagede programmation. De mettreenla parallélisationde codes calculsenutilisantPython et mpi4py. Un accent fort sera

missur les techniques de parallélisationqui peuventêtreappliquéesdansdifférentstypes de calculsou

de traitementde données(parallélismede données, calculsstencils, ...) quelquesoitle domainedontest

issule problème(physique, économie, biologie, traitementdu langage, ...).

ProgrammationHaute Performance

IntervenantsSébastienLIMET

Sophie ROBERT

PrérequisPython

Périoded'enseignementSemainebanalisée,2ème semainede janvier

Semestre2

FormeCours-TP (entièrementensalle

machine)

ÉvaluationExercicespendant la semaineplus

exercicesà rendresous Celene15 jours plus tard.

Biologie : qu'analyse-t-on ?

quotesdbs_dbs14.pdfusesText_20

[PDF] Introduction au langage Ruby et au framework Rails - France

[PDF] introduction au langage sql

[PDF] Introduction au Lean Six Sigma - Anciens Et Réunions

[PDF] Introduction au Lean Six Sigma Management de la

[PDF] INTRODUCTION AU LOGICIEL - Commercial Et Industriel

[PDF] Introduction au logiciel GAMS - Anciens Et Réunions

[PDF] Introduction au logiciel Matlab - Laboratoire Jacques - France

[PDF] INTRODUCTION AU LOGICIEL R - 3. Tests statistiques et graphes - Anciens Et Réunions

[PDF] INTRODUCTION AU LOGICIEL R QUELQUES EXERCICES

[PDF] INTRODUCTION AU LOGICIEL SAS

[PDF] introduction au logiciel word 2016

[PDF] Introduction au logiciel Xilinx ISE 9.2i - Gestion De Projet

[PDF] Introduction au Magnificat

[PDF] Introduction au Makefile - Anciens Et Réunions

[PDF] Introduction au marketing Introduction générale: Historique: Le - Gestion De Données