Code
MGYF MIS 5527
Niveau
M2
Discipline
Systèmes d’information
Langue
Français/French
Crédits ECTS
2
Heures programmées
28
Charge totale étudiant
40
Coordonnateur(s)
Département
- Technologies, Information et Management
Equipe pédagogique
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)
- LG2 Avoir la capacité de gérer l'incertitude et la complexité avec précision et rigueur
- LG4 Avoir accès à différents instruments transdisciplinaires de management
Objectifs d'apprentissage (compétences mères)
- 1.2 - Développer la créativité numérique pour l'individu et l'organisation avec sobriété
- 1.3 - Développer la compétitivité des entreprises et la souveraineté numérique
- 2.1 - Identifier et analyser en profondeur les problèmes, les causes et les impacts
- 2.2 - Explorer les solutions, les décisions et leurs impacts relatifs et absolus
- 2.3 - Identifier la ou les solutions optimales et les priorités de mise en œuvre
- 2.4 - Mettre en œuvre un plan, préparer les changements et mesurer le succès des actions au regard de la stratégie et des parties prenantes
- 3.3 - Identifier les frontières de la discipline et les possibles connexions interdisciplinaires
- 4.2 - Comprendre et utiliser des concepts, des connaissances et des théories interdisciplinaires
- 4.3 - Appliquer efficacement et judicieusement des approches et des outils de management transdisciplinaires
- 4.4 - Evaluer l'utilisation d'approches et d'outils de management transdisciplinaires
Traits de compétences
Compétences visées en data science et intelligence de la donnée :
Avoir une vision claire et précise de l’apprentissage automatique (machine learning ) qui est à la base de la Data Science et de l’Intelligence Artificielle.
Comprendre les principaux modèles d'apprentissage du machine learning (supervisé, non supervisé, par renforcement) et les principes du deep learning (réseaux de neurones).
Saisir tous les bénéfices du machine learning pour l’entreprise.
Déterminer le modèle d’apprentissage le plus adapté aux problématiques et aux besoins de l’entreprise.
Paramétrer au mieux les modèles de machine Learning, mesurer la qualité des résultats obtenus par chacun afin de retenir le plus efficace.
Définir un projet complet d’apprentissage automatique sans écrire une ligne de code en utilisant une plate-forme de prototypage et de déploiement.
Envisager et concevoir des solutions originales et des cas d’usage innovants pour l’entreprise et/ou les métiers, en exploitant les potentialités offertes par les données
Contenu : structure du module et agenda
La data science : introduction et expérimentation
• Métiers et domaines d’application de la data science
• Préparation, visualisation, manipulation des données
• IA et modèles d'apprentissage machine learning
• Mise en œuvre avec l'outil Graphique
Apprentissage
Mixte
Méthode pédagogique
Blended learning mêlant cours magistral, ressources en ligne, travaux pratiques, visite de site (learning expedition)
Système de notation et modalités de rattrapage
Illustration à réaliser avec l’outil Graphique (travail en binôme) - 80%
Quiz (travail individuel) - 20%
CF2 : Illustration à réaliser avec l’outil Graphique (travail individuel) – note plafonnée à 12/20.
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 du programme (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
Donnée ; Intelligence de la donnée ; management de la donnée ; gouvernance de la donnée ; transformation data ; entreprise data-driven ; data science ; machine learning ; deep learning ; visualisation de la donnée ; innovation
Prérequis
MIS 5529 ; MIS 5526