| Langue du Cours |
Anglais |
| Type de Cours |
Obligatoire |
| Niveau du Cours |
Master |
| Enseignant(s) du Cours |
Pınar ULUER
puluer@gsu.edu.tr (Email)
|
| Assistant(e)s du Cours |
|
| Objectif du Cours |
Dans ce cours, les étudiants sont initiés aux fondements de la pensée algorithmique ainsi qu’aux concepts essentiels de la programmation, à travers des applications pratiques en langage Python. Le cours vise à leur permettre d’acquérir les connaissances et les compétences nécessaires pour formuler des problèmes fondés sur les données, concevoir et proposer des stratégies de résolution, implémenter ces solutions en Python et en évaluer la performance selon divers critères.
|
| Contenus |
Ce cours vise à doter les étudiants de compétences générales en programmation et en pensée algorithmique à travers les concepts fondamentaux du langage Python. Dans ce cadre, le cours débute par les structures de données de base et les mécanismes de contrôle en Python, puis aborde des outils couramment utilisés en analyse de données, tels que les bibliothèques numpy et pandas, ainsi que des bibliothèques de visualisation de données comme matplotlib et seaborn. Il couvre également des notions d’analyse statistique des données, de prétraitement des données, ainsi que des exemples introductifs de méthodes d’apprentissage automatique. À travers des applications pratiques réalisées tout au long du cours, les étudiants acquièrent une expérience concrète dans l’analyse et le traitement de données réelles, ainsi que dans la construction de modèles permettant d’en extraire des informations pertinentes. Ils développent en outre leur capacité à écrire un code Python structuré et modulaire.
|
| Acquis d'Apprentissage du Cours |
À l’issue de ce cours, les étudiants seront capables de :
1. Appliquer les concepts fondamentaux des algorithmes et de la programmation à l’aide du langage Python.
2. Réaliser des tâches d’analyse et de prétraitement des données en utilisant Python.
3. Analyser un problème donné, développer un modèle approprié et l’implémenter en Python.
4. Évaluer et interpréter les performances du modèle développé à l’aide de différents mesures de performance.
|
| Méthodes d'Enseignement |
Théorie et pratique, présentation, discussion, questions-réponses
|
| Ressources |
Learning Python, 6th Edition by Mark Lutz, February 2025, O'Reilly Media, Inc. ISBN: 9781098171308
Python Data Science Handbook, 2nd Edition by Jake VanderPlas, December 2022, O'Reilly Media, Inc. ISBN: 9781098121228
|
