Code
MGSF INF 4803
Niveau
M1
Discipline
Informatique
Langue
French
Crédits ECTS
3
Heures programmées
24
Charge totale étudiant
60
Coordonnateur(s)
Département
- Data analytics, Économie et Finances
- Technologies, Information et Management
Equipe pédagogique
Introduction au module
Ce cours est conçu pour offrir une introduction complète à la science des données et à l'IA, avec un accent particulier sur les applications pratiques en entreprise. En commençant par les concepts statistiques fondamentaux, vous progresserez vers des sujets plus avancés, vous dotant des connaissances nécessaires pour comprendre l'intelligence artificielle. Le cours impliquera des exercices pratiques en R et comprendra des examens à emporter et un examen final pour évaluer votre compréhension des concepts importants.
Finalité d'apprentissage (Bloc de compétences)
- LG1 Être capable d'étendre sa propre intelligence digitale à travers ses différentes dimensions (de manière responsable et durable)
- LG4 Avoir accès à différents instruments transdisciplinaires de management
Objectifs d'apprentissage (compétences mères)
- 1 - Être capable d'étendre sa propre intelligence digitale à travers ses différentes dimensions (de manière responsable et durable)
- 1.1 - Développer la citoyenneté numérique et la prospérité sociétale
- 1.2 - Développer la créativité numérique pour l'individu et l'organisation avec sobriété
Traits de compétences
- Concepts statistiques de base
- Visualisation des données
- Régression linéaire et classification
- Régularisation et prédiction hors échantillon
- Algorithmes d'intelligence artificielle
Contenu : structure du module et agenda
Block 1:
- Introduction
- Basic analysis method
Block 2:
- Regression
- Classification
Block 3:
- Regularization
- Out-of-sample prediction
- Clustering
Block 4:
- AI algorithms: Random forests, XGBoost, neural networks
Contribution à l'atteinte des ODD (Objets du Développement Durable)
Le cours contribue a réalisé les ODD: 4, 8, 9
Nombre d'ODD abordés parmi les 17
3 ODD
Apprentissage
synchrone
Méthode pédagogique
Les cours transmettent les connaissances nécessaires pour travailler sur des exercices de programmations notées qui vont permettre aux étudiants d'approfondir et d’appliquer les concepts appris dans les cours.
Système de notation et modalités de rattrapage
Note finale = 50% x Devoir notee + 50% x examen
● Il y aura un ou deux devoir notee qui contribueront 50% a la note finale
● L'examen portera sur l'ensemble du contenu vu en cours et sera note individuellement
Le rattrapage va comptabiliser les notes du controle continue
Pour chaque absence non-justifie un malus de 0.5 point sera appliquee sur la note finale
Règlement du module
Communication Professeur-Apprenant
● Le professeur contactera les apprenants via leur adresse email scolaire (IMT-BS/TSP) et le portail Moodle. Aucune communication via les adresses mails personnelles n’aura lieu. Il est de la responsabilité de l’étudiant de consulter régulièrement sa boîte mail IMT-BS/TSP.
● Les apprenants peuvent communiquer avec le professeur en envoyant un mail à son adresse institutionnelle. Au besoin, il est possible de le rencontrer dans son bureau durant les heures de bureau ou sur rendez-vous.
Apprenants avec des besoins d’accommodement
Si l’apprenant a un handicap qui empêche d’accomplir le travail décrit ou qui nécessite toute sorte d'accommodement, il est de sa responsabilité d’en informer le directeur des études (avec justificatifs) dès que possible. Aussi, l’apprenant ne doit pas hésiter à en discuter avec son professeur.
Comportement en classe
● En guise de courtoisie envers le professeur et les autres apprenants, tous les téléphones portables, jeux électroniques ou autres appareils générant du son doivent être désactivés pendant les cours.
● L’apprenant doit éviter tout comportement perturbateur et irrespectueux tel que: arriver en retard en classe, partir tôt, comportement inconsidéré (ex. dormir, lire un document non lié au cours, utiliser un langage vulgaire, parler excessivement, manger, boire, etc.). Un avertissement peut être donné à la première infraction de ces règles. Les contrevenants seront pénalisés et pourront être expulsés de la classe et/ou subir d'autres procédures disciplinaires.
● Le retard toléré est de 5 minutes. La présence sera déclarée sur Moodle durant ces 5 minutes via un QR code fourni par le professeur à chaque démarrage de cours.
● L’apprenant doit arriver à l'heure pour les examens et autres évaluations. Personne ne sera autorisé à entrer en classe une fois que la première personne aura terminé l'examen et quitté la salle. Il n'y a absolument aucune exception à cette règle. Aucun apprenant ne peut continuer à passer un examen une fois le temps écoulé. Aucun apprenant ne peut quitter la salle pendant un examen à moins qu'il / elle ait terminé et ait remis tous les documents.
● En cas de cours à distance, l'apprenant doit maintenir sa caméra allumée sauf en cas d'indications contraires données par l'enseignant.
Code éthique
IMT-BS est engagée dans une politique d'honnêteté dans le milieu académique. Toute conduite compromettant cette politique peut entraîner des sanctions académiques et/ou disciplinaires. Les apprenants doivent s'abstenir de tricher, de mentir, de plagier et de voler. Ceci consiste à accomplir un travail original et à reconnaître toute autre personne dont les idées et les documents imprimés (y compris ceux provenant d’Internet) sont paraphrasés ou cités directement. Tout apprenant qui enfreint ou aide un autre élève à enfreindre les normes de comportement scolaire sera sanctionné conformément aux règles de l'IMT-BS.
Références obligatoires et lectures suggérées
Suggested Reading: Business Data Science, Matt Taddy
Mots-clés
Intelligence Artificielle, Science des Données
Prérequis
Comfort en programmation basique, volonté d'apprendre