Programme des cours 2024-2025
INDD0001-1  
Data Science
  • Python avancé
  • Analyse de données
Durée :
Python avancé : 24h Th
Analyse de données : 24h Th
Nombre de crédits :
Bachelier en informatique, orientation développement d'applications3
Nom du professeur :
Python avancé : Vincent Spies
Analyse de données : Vincent Spies
Coordinateur(s) :
Vincent Spies
Langue(s) de l'unité d'enseignement :
Langue française
Organisation et évaluation :
Enseignement au deuxième quadrimestre
Unités d'enseignement prérequises et corequises :
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement :
Python avancé
  • L'orienté objet avec python
  • Les décorateurs
  • Web scraping
  • Programmation asynchrone et concurrentielle
  • Base de données embarquée
  • Application web simple
  • Automatisation de tâches
  • Jeu avec pygame
  • Bot discord
  • Constructions minecraft
  • Génération de facturiers
  • Moteurs de template
 
Analyse de données
Calculs de probabilités



  • Concepts de base
  • Probabilité conditionnelle
  • Théorème de bayes
  • Variable aléatoire
  • Loi de probabilité
  • Caractéristiques d'une VA (espérance, moyenne, écart-type)
  • Analyse combinatoire
  • Lois de probabilités usuelles (pour VA discrètes et continues)
Échantillonnage



  • Échantillonnage et estimation
  • Détermination d'intervalles de confiance
  • Tests d'hypothèses
Outils



  • Les résultats des différents calculs probabilistes seront expérimentés via des algorithmes.
  • Graphes produits via python.
  • Confrontation de la théorie avec des simulations réalisées en python.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
Savoirs et compétences prérequis :
Activités d'apprentissage prévues et méthodes d'enseignement :
Mode d'enseignement (présentiel, à distance, hybride) :
Python avancé
Toute activité organisée durant le quadrimestre (par exemple une conférence), non dispensée par l'enseignant, et qui est en rapport avec la matière de l'activité d'apprentissage, compte dans les heures de ladite activité d'apprentissage. La matière abordée par l'activité en question pourra faire l'objet d'une évaluation, quelle soit continue ou certificative.
Analyse de données
Toute activité organisée durant le quadrimestre (par exemple une conférence), non dispensée par l'enseignant, et qui est en rapport avec la matière de l'activité d'apprentissage, compte dans les heures de ladite activité d'apprentissage. La matière abordée par l'activité en question pourra faire l'objet d'une évaluation, quelle soit continue ou certificative.
Lectures recommandées ou obligatoires et notes de cours :
Python avancé
Syllabus et exercices corrigés en cours. Les supports de cours sont publiés uniquement sur la plateforme pédagogique moodle de l'école.
Analyse de données
Syllabus et exercices corrigés en cours. Les supports de cours sont publiés uniquement sur la plateforme pédagogique moodle de l'école.
Modalités d'évaluation et critères :
Python avancé
Évaluation certificative individuelle écrite en janvier, devant PC, à cours fermé et sans accès internet (mais avec accès à la documentation officielle de python), représentant 90% de la note finale. 10% pour l'évaluation continue. En seconde session, la note obtenue à l'évaluation continue est reportée, la pondération reste identique.
Analyse de données
Évaluation certificative individuelle écrite en janvier, devant PC, à cours fermé et sans accès internet (mais avec accès à la documentation officielle de python), représentant 90% de la note finale. 10% pour l'évaluation continue. En seconde session, la note obtenue à l'évaluation continue est reportée, la pondération reste identique.
Stage(s) :
Remarques organisationnelles :
Contacts :