Ce cours propose une introduction pratique aux concepts, outils et méthodes fondamentaux de la science des données. Les étudiants exploreront les étapes typiques du travail d’un data scientist, notamment l’acquisition, la préparation, l’analyse, la modélisation et la visualisation des données. Les principaux outils de programmation tels que NumPy et pandas seront présentés pour la gestion des données structurées, ainsi que SQL (SQLite, pandasql) et les API pour l’accès aux données. Les étudiants apprendront des techniques de nettoyage de données telles que la gestion des types, la détection des valeurs aberrantes, la suppression partielle et l’imputation. Le cours aborde l’analyse exploratoire des données (EDA) en utilisant des tests de signification statistique et introduit à la fois les méthodes paramétriques et non paramétriques, y compris les tests t, le test de Welch, le test de Shapiro-Wilk et le test de Mann–Whitney U. Les techniques fondamentales d’apprentissage automatique seront introduites, avec un accent sur la régression linéaire, la descente de gradient et l’évaluation des modèles à l’aide du coefficient de détermination. Les étudiants étudieront également les principes d’une visualisation de données efficace, notamment les indices visuels, les systèmes de coordonnées, l’échelle, les types de données et la contextualisation, avec des exercices pratiques de traçage en Python. Enfin, le cours propose une introduction aux concepts du Big Data, y compris les bases de MapReduce et Hadoop, et intègre une mise en pratique à travers l’utilisation des Jupyter Notebooks.

Temps présentiel : 30 heures

Charge de travail étudiant : 70 heures

Méthode(s) d'évaluation : Examen final, Examen partiel, Travail personnel