Programme formation - Informatique & systèmes communication

Filière: Informatique et systèmes de communication

Orientation: Ingénierie des données

Descriptif de module

Retour Analyse des données

Ce descriptif de module est complété par la Directive sur l'organisation des modules à la HEIA-FR valable pour l'année académique 2025/2026.

7 Crédits ECTS

Machine Learning

Identifiant

B2C-MALA-S

Semestre

Printemps

Poids

5

Examen de révision

oral (20 min.)

Descriptif du cours
Mathématiques pour l'analyse des données

Identifiant

B2C-MAAD-S

Semestre

Printemps

Poids

2

Descriptif du cours

Spécifications du module

Formation

Bachelor

Filière

Informatique et systèmes de communication

Identifiant

B2M-ANDA-S

Année du plan d'études

2^ème année

Année de validité

2025-2026

Responsable(s)

Philippe Joye

Mode de calcul de la note de module

Note du module = moyenne pondérée des notes des cours

Compétences visées / Objectifs généraux d'apprentissage

A la fin du module, l'étudiant est en mesure de:

Comprendre ce qu'est une variable aléatoire (discrète ou continue) et connaître les principales distributions ainsi que leurs propriétés
Connaître les principes de la statistique bayésienne et savoir l'appliquer
Pouvoir formuler une hypothèse statistique, appliquer le test statistique correspondant et tirer la bonne conclusion
Trouver la droite de régression entre deux variables et établir les incertitudes des paramètres de la droite
Appliquer la régression logistique
Reconnaître la distribution normale multivariée et déterminer ses caractéristiques
Réduire la dimension des variables explicatives par la méthode de l'analyse en composantes principales et savoir interpréter
Mettre en pratique les notions étudiées avec le logiciel R
identifier les cas d'utilisation du machine learning
Comprendre les concepts d'apprentissage à partir des données
Comprendre les concepts de base des algorithmes du machine learning
Comprendre comment disposer les diférentes fonction et classifiers
Utiliser diffèrent frameworks permettant la classification et le clustering avec des données réelles

Modalités de remédiation

Pas de remédiation

Modalités de remédiation (en cas de répétition)

Identique au cas sans répétition

Prérequis

Avoir réussi les modules "mathématiques" et "Informatiques de base"

Modalités d'évaluation et de validation

Chaque cours du module fait l'objet d'un contrôle continu et d'une note finale de cours arrondie au dixième de point.Si le descriptif de cours mentionne un examen de révision, la note finale de cours est la moyenne arithmétique entre la note du contrôle continu et celle de l'examen. Les informations relatives aux cours figurent dans les descriptifs de cours. Le module est réussi lorsque les deux conditions suivantes sont réunies : la moyenne pondérée des notes de cours, arrondie au demi, est d'au moins 4.0 et aucune note de cours n'est inférieure à 3.0. La présence aux cours est obligatoire. Dans un module échoué, la répétition porte sur tous les cours dont la note est inférieure à 4.0.

Programme de formation