Code
MGFE MIS 5209
Niveau
M2
Discipline
Systèmes d’information
Langue
Anglais/English
Crédits ECTS
4
Heures programmées
30
Charge totale étudiant
80
Coordonnateur(s)
Département
- Technologies, Information et Management
Equipe pédagogique
Introduction au module
Ce module propose une introduction à l’analyse de données, à l’intelligence artificielle (IA) et à l’apprentissage automatique (Machine Learning). La première partie, dédiée à la Data Analytics, permet aux étudiants de s'approprier les outils de référence (Python, Jupyter, Google Colaboratory) pour mener des analyses exploratoires de données (EDA) et de la visualisation de données, des tests statistiques ainsi que des modélisations (régressions, ACP, Clustering). Le cours s'étend ensuite au Machine Learning et à l'IA, où les étudiants explorent divers modèles prédictifs et algorithmes d'apprentissage pour répondre à des problématiques variées, tout en abordant les enjeux globaux de l'intelligence artificielle. Cette approche complète permet de transformer des données complexes en leviers de décision stratégique.
Objectifs d'apprentissage (compétences mères)
- 2.3 - Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d'une demande ou d'une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la règlementation.
- 5.1 - Conduire une veille sur les évolutions globales et systémiques des écosystèmes, dans un environnement international, en vue d'anticiper les transformations et innovations possibles, et de proposer des réponses pro-actives et proportionnées aux gran
Contenu : structure du module et agenda
1.Tools: Python, Jupyter and Google Colab
2.Data: Exploratory Data Analysis (EDA)
3. Statistics: Statistical hypothesis, statistical tests
4. Regression analysis: Linear regression, logistic regression
5. Multivariate techniques: Cluster analysis, PCA
6. Introduction to AI
Contribution à l'atteinte des ODD (Objets du Développement Durable)
SDG 4: Quality Education
The module contributes to this goal by providing students with essential technical and analytical skills in the field of Artificial Intelligence and Data Science. By mastering tools such as Python and machine learning, students develop high-level digital literacy that is indispensable for their professional integration and for meeting the challenges of the modern economy, thus promoting high-quality, relevant education.
Nombre d'ODD abordés parmi les 17
1
Méthode pédagogique
Lectures followed by practical sessions
Système de notation et modalités de rattrapage
Data Analytics: 50%
AI and ML: 50%
Assignments and project
Règlement du module
Communication Professeur-Apprenant
● Le professeur contactera les apprenants via leur adresse mail 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 out 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.
Mots-clés
data science, digital workplace, AI, machine learning
Prérequis
Basic knowledge of Python