Ce cours a pour but de préparer les étudiants à l’analyse des données scientifiques provenant d’expérience scientifique ou aussi provenant d’enquête sur un sujet d’intérêt. Les types de données rencontrés en général n’ont pas toujours la même structure et ceci est le premier défit dans ce domaine, l’étudiant apprendra d’abord à préparer les données pour l’analyse et à identifier les méthodes numériques disponibles pour son analyse. Ainsi ce cours pourra servir de base pour que l’étudiant prenne conscience des méthodes de résolution et d’analyse des données.

Temps présentiel : 25 heures

Charge de travail étudiant : 100 heures

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

Référence :
• Numerical Recipes, The Art of Scientific Computing, Saul Teukolsky, Brian P. Flannery, William T. Vetterling, and William H. Press. • Data Clustering: Algorithms and Applications, Charu C. Aggarwal, Chandan K. Reddy, Series: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series. • Artificial Intelligence a modern approach, Stuart Russel and Peter Norvig, prentice hall, 2010. • Data Science fondamentaux et étude de cas, Eric Biernat et Michel Lutz, Eyrolles.