INFO9013-1

Durée

12h Th, 24h AUTR

Nombre de crédits

	Master : bioingénieur en sciences agronomiques, à finalité	4 crédits
	Master : bioingénieur en chimie et bioindustries, à finalité	4 crédits
	Master : bioingénieur en sciences et technologies de l'environnement, à finalité	4 crédits
	Master : bioingénieur en gestion des forêts et des espaces naturels, à finalité	4 crédits

Enseignant

Yves Brostaux, Benoît Mercatoris, Hélène Soyeurt

Coordinateur(s)

Hélène Soyeurt

Langue(s) de l'unité d'enseignement

Langue anglaise

Organisation et évaluation

Enseignement au deuxième quadrimestre

Horaire

Horaire en ligne

Unités d'enseignement prérequises et corequises

Les unités prérequises ou corequises sont présentées au sein de chaque programme

Contenus de l'unité d'enseignement

Le cours se divise en 6 modules d'apprentissage composés d'une séance en présentiel podcastée de 2h et 4h d'activités e-learning :

Module 1 : Initiation au langage Python
Module 2 : Méthodes non-supervisées avec Python (liens directs avec le cours « Multivaried analysis 2: Data Mining and Machine Learning»)
Module 3 : Méthodes supervisées avec Python (liens directs avec le cours « Multivaried analysis 2: Data Mining and Machine Learning»)
Module 4 : Utilisation d'un serveur de calcul à distance, gestion et parallélisations des calculs
Module 5 : Développements et implémentations de procédures de validation avec Python
Module 6 : Artificial Neural network avancé

Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement

A l'issue du cours, l'étudiant sera capable de mener un projet d'exploration de données du nettoyage des données, en passant par la calibration, la validation et l'implémentation avec Python. L'étudiant sera également capable de communiquer ses résultats vers un public cible.

Savoirs et compétences prérequis

INFO8008-A-a: Multivaried analysis 2: Data Mining & Machine Learning

Activités d'apprentissage prévues et méthodes d'enseignement

Le cours est composé de 6 modules comme mentionné précédemment. Chaque module est composé:

d'une séance en présentiel de 2h reprenant les concepts théoriques
d'une séance e-leaning de 4h mettant en pratique les concepts théoriques vus

Mode d'enseignement (présentiel, à distance, hybride)

Séances en présentiel (30%) + activités e-learning (70%)

Adaptations organisationnelles liées au contexte sanitaire

Lectures recommandées ou obligatoires et notes de cours

Le cours est donné en anglais. Tous les supports de cours sont disponibles sur la plateforme e-campus du cours.

Modalités d'évaluation et critères

L'évaluation pendant la session d'examens se fera en 2 parties:

une réponse à des questions par écrit (30min)
un examen oral relatif à la réalisation d'un travail donné un mois avant l'examen (15 min).

Code jaune ou orange: L'examen oral se donnera au sein de l'unité de Statistiques en respectant les mesures sanitaires.

Stage(s)

Remarques organisationnelles

Contacts

Hélène Soyeurt Chargé de cours 081/62.25.35 hsoyeurt@uliege.be

Multivaried analysis 3 : Data mining et Machine Learning : advanced