Programma di studio

Indirizzo di studi: Informatica e sistemi di comunicazione

Specializzazione: Data Engineering

Descrizione del modulo

Torna al piano degli studi Analyse des données

Questa descrizione di modulo viene completata dalla direttiva "Directive sur l'organisation des modules à la HEIA-FR" valido per l'année académique 2025/2026.

7 crediti ECTS

Machine Learning

ID del corso

B2C-MALA-S

Semestre

primavera

Ponderazione

5

esame (prova di fine modulo)

orale (20 minuto)

Dettagli del corso
Mathématiques pour l'analyse des données

ID del corso

B2C-MAAD-S

Semestre

primavera

Ponderazione

2

Dettagli del corso

Titolo del modulo

Formazione

Bachelor

Indirizzo di studi

Informatica e sistemi di comunicazione

ID del corso

B2M-ANDA-S

Anno del piano degli studi

2^o anno

Anno di validità

2025-2026

Responsabile/i

Philippe Joye

Metodo di calcolo della nota del modulo

Note du module = moyenne pondérée des notes des cours

Competenze mirate / Obiettivi generali di apprendimento

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

Opzioni di prova supplementare

Pas de remédiation

Modalità di ripetizione

Identique au cas sans répétition

Prerequisiti

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

Modalità di certificazione e di validazione

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.