 | | |
| INFO2048-1 | Business Analytics
|
|
| Durée : | 30h Th |
|
| Nombre de crédits : |
| Master en sciences de gestion, à finalité approfondie, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité didactique, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en Banking and Asset Management, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Performance Management and Control, 1re année | | 5 |
|
| Master en sciences de gestion à finalité spécialisée en digital marketing and sales management, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Financial Engineering, 1re année | | 5 |
|
| Master en sciences de gestion à finalité spécialisée en entrepreneuriat, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en Financial Analysis and Audit, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management humain et organisation, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en intrapreneuriat, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en marketing and strategic intelligence, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Modélisation et technologie, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management des entreprises sociales, 1re année | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en intelligence stratégique et marketing, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Supply Chain Management, 1re année | | 5 |
|
| Master en ingénieur de gestion, à finalité spécialisée en Performance Management Systems, 1re année | | 5 |
|
|
|
| Nom du professeur : | Michael Schyns |
|
Langue(s) du cours :
|
| Langue anglaise |
|
Organisation et évaluation :
|
| Enseignement au deuxième quadrimestre |
|
Contenus du cours :
|
| Ce cours est donné en anglais.
Veuillez consulter la description en anglais. |
|
Acquis d'apprentissage (objectifs d'apprentissage) du cours :
|
| Voir description en anglais |
|
Prérequis et corequis / Modules de cours optionnels recommandés :
|
| Etre à l'aise avec un ordinateur |
|
Activités d'apprentissage prévues et méthodes d'enseignement :
|
| Le cours se donne en salle informatique. Des concepts de théorie de base sont présentés et puis immédiatement illustrés par de petits exemples. Les étudiants réalisent ensuite des exercices sur ordinateur pendant les cours.
Les étudiants apprennent les concepts théoriques mais apprendront aussi à utiliser des outils professionnels tels que Excel pour des rapports et analyses de base, SAP Cristal Dashboard for des rapports avancés et des logiciels tels que R(CRAN) ou Statistica pourles modules de datamining. |
|
Mode d'enseignement (présentiel ; enseignement à distance) :
|
| Présentiel |
|
Lectures recommandées ou obligatoires et notes de cours :
|
| Requis
PDF syllabus surLol@
Recommendé:
Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Pearson Inertnational. |
|
Modalités d'évaluation et critères :
|
| Examen en deux parties:
- Théorie
- Pratique sur ordinateur
|
|
Stage(s) :
|
| |
|
Remarques organisationnelles :
|
| |
|
Contacts :
|
| M. Schyns, HEC-ULG, N1
M.Schyns@ulg.ac.be |
|
|
| |
