Analyse des données d'ingénierie(IND363)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| IND363 | Analyse des données d'ingénierie | 5 | 3 | 0 | 0 | 4 | 4 |
| Cours Pré-Requis | ING231/ING242 |
| Conditions d'Admission au Cours | ING231/ING242 |
| Langue du Cours | Français |
| Type de Cours | Électif |
| Niveau du Cours | Licence |
| Enseignant(s) du Cours | Sadettin Emre ALPTEKİN ealptekin@gsu.edu.tr (Email) |
| Assistant(e)s du Cours | |
| Objectif du Cours | L'objectif de ce cours est d'enseigner aux étudiants en génie industriel les fondamentaux de l'analyse des données, d'introduire des méthodes pour analyser de grands ensembles de données et de doter les étudiants de compétences pour appliquer des techniques d'analyse de données pour des applications industrielles. |
| Contenus |
1. Semaine - Introduction à l'analyse de données: Définitions et applications 2. Semaine - Techniques de minage de données et de prétraitement 3. Semaine - Analyse statistique des données 4. Semaine - Fondamentaux de l'apprentissage automatique 5. Semaine - Modèles de classification 6. Semaine - Analyse de régression et modèles de prévision 7. Semaine - Techniques de clustering et règles d'association 8. Semaine - Analyse des séries temporelles 9. Semaine - Examen de mi-semestre 10. Semaine - Fondamentaux et applications de l'apprentissage profond 11. Semaine - Traitement automatique des langues et fouille de textes 12. Semaine - Systèmes de recommandation et applications 13. Semaine - Technologies et applications des Big Data 14. Semaine - Études de cas en analyse de données pour applications industrielles |
| Acquis d'Apprentissage du Cours |
- Comprendre les principes de base des méthodes d'analyse des données. - Acquérir la capacité de générer des solutions pour des problèmes réels à l'aide de diverses techniques et outils d'analyse de données. - Capacité d'analyser des ensembles de données industriels. - Avoir des connaissances de base sur les méthodes avancées d'analyse de données (apprentissage automatique, apprentissage profond, etc.). - Interpréter les résultats de l'analyse de données et communiquer les résultats. - Intégrer des méthodes d'analyse de données dans les systèmes d'aide à la décision. - Planifier et exécuter des projets d'analyse de données. |
| Méthodes d'Enseignement | Cours magistral et présentation, travaux pratiques en laboratoire, discussions |
| Ressources |
"Data Science pour les affaires" - Foster Provost & Tom Fawcett "Python pour l'analyse de données" - Wes McKinney "Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow" - Aurélien Géron "L'Art de la Science des Données" - Roger D. Peng & Elizabeth Matsui "Cours de la plateforme Coursera" |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Introduction à l'analyse de données: Définitions et applications |
| 2 | Techniques de minage de données et de prétraitement |
| 3 | Analyse statistique des données |
| 4 | Fondamentaux de l'apprentissage automatique |
| 5 | Modèles de classification |
| 6 | Analyse de régression et modèles de prévision |
| 7 | Techniques de clustering et règles d'association |
| 8 | Analyse des séries temporelles |
| 9 | Examen de mi-semestre |
| 10 | Fondamentaux et applications de l'apprentissage profond |
| 11 | Traitement automatique des langues et fouille de textes |
| 12 | Systèmes de recommandation et applications |
| 13 | Technologies et applications des Big Data |
| 14 | Études de cas en analyse de données pour applications industrielles |
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 |
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Contribution du contrôle continu à la note finale | 1 | 60 |
| Contribution de l'examen final à la note finale | 1 | 40 |
| Toplam | 2 | 100 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Devoir | 4 | 15 |
| Présentation | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 1 | 25 |
| Projet | 1 | 20 |
| Travail de laboratoire | 0 | 0 |
| Autres travaux pratiques | 0 | 0 |
| Quiz | 0 | 0 |
| Devoir/projet de session | 0 | 0 |
| Portefeuille | 0 | 0 |
| Rapport | 0 | 0 |
| Journal d'apprentissage | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 |
| Séminaire | 0 | 0 |
| Autre | 0 | 0 |
| Toplam | 6 | 60 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Connaissance et compréhension d’un large champ de sciences fondamentales (math, sciences physiques, …) et des concepts principaux de l’ingénierie | X | ||||
| 2 | Capacité à combiner ces connaissances théoriques et pratiques pour résoudre les problèmes d’ingénierie et offrir des solutions fiables | X | ||||
| 3 | Capacité à choisir et appliquer les méthodes d’analyse et de modélisation afin de poser, reformuler et résoudre les problèmes complexes de génie industriel | X | ||||
| 4 | Capacité à conceptualiser des systèmes complexes, process ou produits sous les contraintes concrètes afin d’améliorer leurs performances, capacité à employer les méthodes innovantes de conception | X | ||||
| 5 | Capacité à concevoir, choisir et appliquer les méthodes et les outils indispensables pour résoudre les problèmes liés à la pratique du génie industriel, capacité à utiliser les technologies de l’informatique | X | ||||
| 6 | Capacité à concevoir des expériences, recueillir et interpréter les données et analyser les résultats | X | ||||
| 7 | Capacité de travailler avec autonomie, capacité à participer à des groupes de travail multidisciplinaire et avoir un esprit d’équipe | |||||
| 8 | Capacité à communiquer efficacement, capacité à maitriser au moins 2 langues étrangères | |||||
| 9 | Conscience de la nécessité de l’amélioration continue par la formation tout au long de la vie, capacité à se tenir au courant des progrès scientifiques et technologiques, capacité à utiliser les outils de management de l’information | |||||
| 10 | Compréhension de la société et capacité à assumer des responsabilités humaines et professionnelles (adhésion aux chartes de l’ingénieur respectées pour le génie industriel, sens de l’éthique) | |||||
| 11 | Connaissance des concepts de la vie professionnelle comme la «gestion de projets », la « gestion des risques » et la « gestion du changement » | |||||
| 12 | Connaissances sur l’innovation et le développement durable | |||||
| 13 | Compréhension des valeurs globales et sociétales de santé et de sécurité et des questions environnementales liées à la pratique du génie industriel pour analyser l’impact des solutions sur la société et son environnement | |||||
| 14 | Connaissance des problèmes contemporaines de la société | |||||
| 15 | Connaissance des implications juridiques des pratiques du génie industriel | |||||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Durée du cours | 14 | 3 | 42 |
| Préparation pour le cours | 14 | 1 | 14 |
| Devoir | 5 | 2 | 10 |
| Présentation | 0 | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 | 0 |
| Projet | 1 | 20 | 20 |
| Laboratoire | 0 | 0 | 0 |
| Autres travaux pratiques | 0 | 0 | 0 |
| Examen final (temps de préparation inclu) | 1 | 14 | 14 |
| Quiz | 0 | 0 | 0 |
| Devoir/projet de session | 0 | 0 | 0 |
| Portefeuille | 0 | 0 | 0 |
| Rapport | 0 | 0 | 0 |
| Journal d'apprentissage | 0 | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 | 0 |
| Séminaire | 0 | 0 | 0 |
| Autre | 0 | 0 | 0 |
| baclé | 0 | 0 | 0 |
| Charge totale de Travail | 100 | ||
| Charge totale de Travail / 25 | 4.00 | ||
| Crédits ECTS | 4 | ||