Applications de Science des Données(MAT425)
Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
---|---|---|---|---|---|---|---|
MAT425 | Applications de Science des Données | 8 | 2 | 0 | 0 | 2 | 4 |
Cours Pré-Requis | |
Conditions d'Admission au Cours |
Langue du Cours | Français |
Type de Cours | Électif |
Niveau du Cours | Licence |
Enseignant(s) du Cours | Ayşegül ULUS aulus@gsu.edu.tr (Email) |
Assistant(e)s du Cours | |
Objectif du Cours | L'objectif de ce cours est de présenter des outils et des applications mathématiques pouvant être utilisés pour générer des connaissances à partir de données. L'objectif de ce cours est d'examiner les concepts statistiques de base qui seront utilisés pour définir les données à travers des études de cas. |
Contenus |
Data Science: Technologies, outils mathématiques. La base pour définir les données concepts statistiques. Échantillonnage et mesure. Calculs pour l'échantillon basés sur l'échantillon. Statistiques Déductives. Apprentissage supervisé. Analyse de régression. Apprentissage sans surveillance. Science des données réelles de la vie des affaires et applications. |
Acquis d'Apprentissage du Cours | Comprendre les concepts de base et les méthodes de la science des données et des applications pour pouvoir visualiser la solution. Acquérir la capacité de comprendre les méthodes de base et les applications de la science des données. |
Méthodes d'Enseignement | Cours, études de cas, applications de données et exercices |
Ressources |
Foundations of Data Science: Avrim Blum, John Hopcroft, and Ravindran Kannan An Introduction to Statical Learning with Applications: Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani |
Intitulés des Sujets Théoriques
Semaine | Intitulés des Sujets |
---|---|
1 | Introduction à la science des données |
2 | Introduction à la méthodologie statistique |
3 | Échantillonnage et mesure. Définir des données avec des tableaux et des graphiques |
4 | Applications d’intelligence artificielle et d’apprentissage automatique, Analyse de cas I-Betting Sites |
5 | Centre de données, variabilité, mesure de la position |
6 | Inférence statistique: estimation et analyse de corrélation |
7 | Examen de mi-parcours |
8 | Introduction à la science des données Technologies informatiques, Étude de cas II - Médecine et biologie |
9 | Étude de cas III - Solutions d’intelligence artificielle dans le secteur bancaire |
10 | Méthodes de régression |
11 | Etude de cas IV - Processus de formation d'une base de données dans le secteur bancaire |
12 | Étude de cas V: Évaluation de modèles de données basés sur le secteur bancaire |
13 | Etude de cas VI: Analyse des données dans le domaine des assurances: comment préparer un tarif d’assurance automobile / habitation et applications SAS |
14 | Étude de cas VII: L'intelligence artificielle en 50 questions |
Intitulés des Sujets Pratiques
Semaine | Intitulés des Sujets |
---|
Contribution à la Note Finale
Numéro | Frais de Scolarité | |
---|---|---|
Contribution du contrôle continu à la note finale | 2 | 60 |
Contribution de l'examen final à la note finale | 1 | 40 |
Toplam | 3 | 100 |
Contrôle Continu
Numéro | Frais de Scolarité | |
---|---|---|
Présentation | 1 | 20 |
Examen partiel (temps de préparation inclu) | 1 | 40 |
Toplam | 2 | 60 |
No | Objectifs Pédagogiques du Programme | Contribiton | ||||
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 |
Activités | Nombre | Durée | Charge totale de Travail |
---|---|---|---|
Durée du cours | 2 | 28 | 56 |
Préparation pour le cours | 1 | 5 | 5 |
Présentation | 1 | 2 | 2 |
Examen partiel (temps de préparation inclu) | 1 | 4 | 4 |
Examen final (temps de préparation inclu) | 1 | 7 | 7 |
Séminaire | 7 | 2 | 14 |
Charge totale de Travail | 88 | ||
Charge totale de Travail / 25 | 3,52 | ||
Crédits ECTS | 4 |