Science des Données pour les Ingénieurs
ealptekin@gsu.edu.tr
Contenus
Objectif du Cours
L’objectif de ce cours est d’enseigner aux étudiants en génie industriel les fondements de la science des données, de présenter les méthodes d’analyse de grands ensembles de données et de leur permettre d’acquérir les compétences nécessaires pour utiliser les méthodes de la science des données dans les applications industrielles.
Contenu du Cours
Semaine 1 – Introduction à la science des données : définitions et applications
Semaine 2 – Fouille de données et techniques de prétraitement
Semaine 3 – Analyse statistique des données
Semaine 4 – Fondements de l’apprentissage automatique
Semaine 5 – Modèles de classification
Semaine 6 – Analyse de régression et modèles de prévision
Semaine 7 – Classification non supervisée et règles d’association
Semaine 8 – Analyse des séries temporelles
Semaine 9 – Examen de mi-semestre
Semaine 10 – Fondements et applications de l’apprentissage profond
Semaine 11 – Traitement automatique du langage naturel et fouille de textes
Semaine 12 – Systèmes de recommandation et applications
Semaine 13 – Technologies du big data et applications
Semaine 14 – Études de cas sur la science des données dans les applications industrielles
Acquis d'Apprentissage du Cours
L’étudiant ayant réussi ce cours sera capable de :
1. Définir les principes fondamentaux des méthodes de la science des données.
2. Élaborer des solutions à des problèmes réels en utilisant différentes techniques et outils de la science des données.
3. Déterminer dans quelles situations des méthodes avancées de science des données, telles que l’apprentissage automatique et l’apprentissage profond, peuvent être utilisées.
4. Interpréter les résultats de l’analyse des données et communiquer les conclusions.
5. Intégrer les méthodes de la science des données dans les systèmes d’aide à la décision.
6. Planifier et mener des projets de science des données.
Méthodes d'Enseignement
Cours et présentations, travaux pratiques en laboratoire, discussions
Ressources
1. "Data Science for Business" - Foster Provost & Tom Fawcett
2. "Python for Data Analysis" - Wes McKinney
3. "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" - Aurélien Géron
4. "The Art of Data Science" - Roger D. Peng & Elizabeth Matsui
Intitulés des Sujets
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Introduction à la science des données : définitions et applications |
| 2 | Fouille de données et techniques de prétraitement |
| 3 | Analyse statistique des données |
| 4 | Fondements de l’apprentissage automatique |
| 5 | Modèles de classification |
| 6 | Analyse de régression et modèles de prévision |
| 7 | Classification non supervisée et règles d’association |
| 8 | Examen de mi-semestre |
| 9 | Analyse des séries temporelles |
| 10 | Fondements et applications de l’apprentissage profond |
| 11 | Traitement automatique du langage naturel et fouille de textes |
| 12 | Systèmes de recommandation et applications |
| 13 | Technologies du big data et applications |
| 14 | Études de cas sur la science des données dans les applications industrielles |
Système d'évalution
| Activités | Numéro | Contribution |
|---|---|---|
| Contribution du contrôle continu à la note finale | 7 | 60 |
| Contribution de l'examen final à la note finale | 1 | 40 |
| Total | 8 | 100 |
| Activités | Numéro | Contribution |
|---|---|---|
| Devoir | 5 | 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 |
| Make-up | 0 | 0 |
| Total | 7 | 60 |
Evalution de la Compétence
| 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 | |||||
Tableau de la Charge de Travail
| 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) | 1 | 5 | 5 |
| Projet | 1 | 20 | 20 |
| Laboratoire | 0 | 0 | 0 |
| Autres travaux pratiques | 0 | 0 | 0 |
| Examen final (temps de préparation inclu) | 1 | 5 | 5 |
| 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 |
| Yil | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Charge totale de Travail | 96 | ||
| Charge totale de Travail / 25 | 3.84 | ||
| Crédits ECTS | 4 | ||