Durée
12h Th, 28h Pr
Nombre de crédits
Enseignant
Yves Brostaux, David Colignon, Benoît Mercatoris, Hélène Soyeurt
Coordinateur(s)
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
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: Basics in Python for Data Science : first tips (H.Soyeurt)
- Module 2: Development and implementation of validation procedures (Y. Brostaux)
- Module 3 : Use of a remote calculation server, management and parallelization of calculations (CECI Consortium) (H. Soyeurt & D. Colignon)
- Module 4: Supervised methods applied to image analysis (B. Mercatoris)
- Module 5: Unsupervised methods applied to spatial clustering (Y. Brostaux)
- Module 6: Deep learning with tensorflow and convolutional neural network (H. Soyeurt)
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%)
Supports de cours, lectures obligatoires ou recommandées
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
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Travail à rendre - rapport
Informations complémentaires:
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).
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
Hélène Soyeurt
Professeur ordinaire
081/62.25.35
hsoyeurt@uliege.be