Algorithms in data science

linma2472  2020-2021  Louvain-la-Neuve

Algorithms in data science
En raison de la crise du COVID-19, les informations ci-dessous sont susceptibles d’être modifiées, notamment celles qui concernent le mode d’enseignement (en présentiel, en distanciel ou sous un format comodal ou hybride).
5 crédits
30.0 h + 22.5 h
Q1
Enseignants
Blondel Vincent; Delvenne Jean-Charles (coordinateur(trice)); Krings Gautier (supplée Blondel Vincent);
Langue
d'enseignement
Anglais
Préalables
Une certaine familiarité avec l'algèbre linéaire (par ex LFSAB1101 et LFSAB1102) et les mathématiques discrètes (par ex LINMA 1691) est requise.
Thèmes abordés
L'objet du cours est d'explorer des questions principalement algorithmiques relatives aux défis posés par les données massives (Big Data).
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 Eu égard au référentiel AA, ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
  • AA1 : 1,2,3
  • AA3 : 1,2,3
  • AA4 : 1, 2, 4
  • AA5 : 1,2,3,5,6
Plus précisément, au terme du cours, l'étudiant sera capable de :
  • consulter une littérature généraliste ou spécialisée sur un thème précis couvert par le cours, en forger une synthèse qui contienne les messages et résultats importants
  • expliquer à ses pairs ces messages et résultats de façon claire et précise
  • résoudre des problèmes mathématiques en application à ces résultats
  • mener une réflexion critique sur les limites des résultats ou la façon dont ils sont présentés
  • relier les concepts vus dans la littérature aux concepts vus dans d'autres cours, malgré des notations ou interprétations variées
  • implémenter des algorithmes sur des données réelles et poser un regard critique sur les résultats
Les objectifs mathématiques ou d'implémentation peuvent varier d'année en année.

Acquis d'apprentissage transversaux :
  • Recherche critique d'information dans des ouvrages plus ou moins spécialisés, MOOCs, Internet, etc.
 
Contenu
Le contenu du cours pourra varier d'année en année et toucher diverses questions algorithmiques  reliées à l'analyse, le stockage, ou la diffusion des données massives (Big Data). Par exemple, l'anonymisation des données, la détection de plagiat, l'analyse des réseaux sociaux, les principes des réseaux pair-à-pair, etc.
Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Cours ex cathedra en partie, et projets avec rapports écrits et/ou présentation orale
Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Présentation écrite et orale de projets sur une matière théorique et/ou d'une analyse de données réelles pendant le quadrimestre. Examen écrit ou bien oral.
Bibliographie
Variable.
Support de cours
  • Documents sur la page Moodle / Documents on the Moodle page
Faculté ou entité
en charge
Force majeure
Modes d'évaluation
des acquis des étudiants
L'examen est écrit, en présentiel. Un examen de modalité adaptée sera proposé aux étudiant/es pouvant faire valoir préalablement à l’examen une impossibilité de participer à l’examen organisé sur site, impossibilité attestée par un certificat de quarantaine ou un ‘formulaire retour’ du SPF Affaires Etrangères, pour peu que les titulaires (Gautier Krings et Jean-Charles Delvenne) soient avertis dès que possible et en tout cas avant la date de l'examen principal. Cet examen parallèle portera sur la même matière que l’examen principal, et se déroulera sous une forme compatible avec la situation de quarantaine de l’étudiant/e. 


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en science des données, orientation statistique

Master [120] en sciences mathématiques

Master [120] : ingénieur civil en informatique

Master [120] en sciences informatiques

Master [120] : ingénieur civil en mathématiques appliquées

Master [120] : bioingénieur en sciences agronomiques

Master [120] : bioingénieur en sciences et technologies de l'environnement

Master [120] : ingénieur civil en science des données

Master [120] : bioingénieur en chimie et bioindustries

Master [120] en science des données, orientation technologies de l'information

Master [120] en statistique, orientation générale