Programme des cours 2025-2026
MATH2013-2  
Statistiques
  • Compléments de statistiques
  • Informatique - IA
Durée :
Compléments de statistiques : 24h Th
Informatique - IA : 12h Th
Nombre de crédits :
Bachelier en chimie, orientation environnement3
Nom du professeur :
Compléments de statistiques : Vincent Thomas
Informatique - IA : Yannick Gillet
Coordinateur(s) :
Vincent Thomas
Langue(s) de l'unité d'enseignement :
Langue française
Organisation et évaluation :
Enseignement au premier quadrimestre, examen en janvier
Unités d'enseignement prérequises et corequises :
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement :
Compléments de statistiques
Rappels du cours de statistiques de première année (VA discrètes et continues, TCL, intervalles de confiance).

Notions avancées de statistiques. Statistiques inférentielles fréquentistes. Tests d'hypothèses.

Poursuite de l'étude de statistiques numériques.

Introduction aux statistiques bayésiennes

 
Informatique - IA
Introduction générale à l'IA 

Types de problèmes solubles avec l'apprentissage automatique : apprentissage non-supervisé (clustering et réduction de dimension), apprentissage supervisé (régression et classification) et apprentissage par renforcement

Méthodes classiques (régression linéaire et logistique) et avancées (arbres, plus proches voisins, réseaux de neurones)

Préparation des données et évaluation des modèles

Éthique, biais, interprétabilité

 
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
Compléments de statistiques
Objectifs : permettre aux étudiants de

  • approfondir et "fixer" les concepts enseignés en première année;
  • s'approprier des concepts des statistiques avancés;
  • résoudre des exercices et des applications utilisant les concepts statistiques vus au cours ;
  • mettre en oeuvre une démarche de résolution de problème ;
  • réaliser des inférences statistiques pertinentes
Informatique - IA
Au terme de cette unité d'enseignement, l'étudiant sera capable de :

  • Comprendre et expliquer les concepts-clés autour de l'intelligence artificielle et en particulier l'apprentissage automatique
  • Utiliser les techniques disponibles pour analyser et visualiser des données
  • Comprendre les enjeux et les limites actuels de l'Intelligence artificielle
  • Mettre en oeuvre une démarche de résolution de problème
Les compétences développées dans ce cours sont les suivantes :

Axe 1 : Communiquer et informe

  • 1.4 Utiliser le vocabulaire adéquat
Axe 2 : Collaborer à la conception, à l'amélioration et au développement de projets technique

  • 2.1 Elaborer une méthodologie de travail
  • 2.3 Analyser une situation donnée sous ses aspects techniques et scientifiques
  • 2.4 Rechercher et utiliser les ressources adéquates 
  • 2.5 Proposer des solutions qui tiennent compte des contraintes 
Axe 3 : S'engager dans une démarche de développement professionnel

  • 3.3 Développer une pensée critique
Axe 5 : Maîtriser les concepts scientifiques

  • 5.1 Utiliser à bon escient le vocabulaire des domaines 
  • 5.2 Appliquer les connaissances des sciences fondamentales 
  • 5.3 Exercer un regard critique sur les résultats et les méthodes 
  • 5.4 Gérer le degré de précision dans les opérations et évaluer l'implication des résultats 
  • 5.5 Evaluer la signification et les conséquences des opérations effectuées 
Savoirs et compétences prérequis :
Compléments de statistiques
La compréhension des notions apprises en première année dans les cours de Mathématique et de Statistique est un plus.
Informatique - IA
Prérequis : aucun  Corequis : aucun
Activités d'apprentissage prévues et méthodes d'enseignement :
Compléments de statistiques
Cours ex cathedra et exercices. Le focus est mis sur la compréhension des concepts. Il est recommandé aux étudiant.e.s de faire des exercices à domicile tout au long de l'année.

 
Informatique - IA
Dans un premier temps, une introduction à l'intelligence artificielle et une présentation détaillée des différentes méthodes sera réalisée.

Cette présentation sera illustrée par de nombreux exemples et de petits exercices à réailser par les étudiants.

Dans la deuxième partie du cours, les étudiants prépareront un travail comprenant une analyse de données et la mise en pratique des outils vus au cours.

Ce travail sera présenté oralement.
Mode d'enseignement (présentiel, à distance, hybride) :
Compléments de statistiques
Présentiel
Informatique - IA
Présentiel
Lectures recommandées ou obligatoires et notes de cours :
Compléments de statistiques
Ouvrage de références:

 "Probabilités et statistiques pour la gestion et l'économie" de A.Spalanzani et S.Fréreau, PUG
Informatique - IA
Les présentations powerpoint et éventuels fichiers seront disponible sur la plateforme institutionnelle.

Livres de référence suggérés :

  • Apprentissage artificiel, Concepts et Algorithmes - Vincent Barra, Antoine Cornuéjols, Laurent Micle - Eyrolles
  • Artificial Intelligence, a Modern Approach - Stuart J. Russell, Peter Norvig - Pearson
Modalités d'évaluation et critères :
Compléments de statistiques
Un examen écrit comportant uniquement des exercices. Les étudiant.e.s pourront disposer d'un formulaire (page A4 recto-verso) avec notes personnelles.

 
Informatique - IA
Le projet sera évalué en partie sur base du rapport écrit (50 %) et lors d'une présentation orale (50 %) sur base de consignes remises aux étudiants pendant le cours et disponible sur le site institutionnel.

L'utilisation de l'IA, étant l'objet de cette activité d'apprentissage, est indispensable. Cependant l'analyse des étudiants sera discutée lors de l'entretien oral. Les étudiants devront remettre la déclaration sur l'honneur relative à l'utilisation de l'IA et spécifier les "prompts" utilisés le cas échéant.
Stage(s) :
Remarques organisationnelles :
Contacts :
Compléments de statistiques
Par mail : prenom.nom@hers.be
Par Teams : via une conversation privée ou via les publications de l'équipe
Informatique - IA
yannick.gillet@hers.be