Master 2 - Sciences des données

UC obligatoires

UC Langues (anglais) - RM2C-ANGLAIS

Langue d'enseignement : Français

UC Projet : 8 semaines - RM2C-STPROJE

Langue d'enseignement : Français

UC Conférences prof - RM2C-Conf.prof

Langue d'enseignement : Français

UC au choix

1 UC à choisir parmi 2
UC Allemand - RM2C-ALLEMAN

Langue d'enseignement : Français

UC Espagnol - RM2C-ESPAGNO

Langue d'enseignement : Français

UC obligatoires

UC Computer science for big data - RM2C-STDATA

Enseignant(s) responsable(s) : C. Largouet

Langue d'enseignement : Français

UC Analyse de données massives sous R - RM2C-STR

Enseignant(s) responsable(s) : B. Thieurmel

Langue d'enseignement : Français

UC obligatoires

UC Classification non supervisée - RM2C-STCLASS

Enseignant(s) responsable(s) : S. Le

Langue d'enseignement : Français

UC Machine learning - RM2C-STMLEAR

Enseignant(s) responsable(s) : M. Emily

Langue d'enseignement : Français

UC obligatoires

UC Données expérimentales - RM2C-STDOEXP

Enseignant(s) responsable(s) : M. Emily

Langue d'enseignement : Français

UC Apprentissage de données biologiques - RM2C-STAPDOB

Enseignant(s) responsable(s) : D. Causeur

Langue d'enseignement : Français

UC au choix

1 UC à choisir parmi 2
UC Statistique bayésienne - RM2C-STBAYES

Enseignant(s) responsable(s) : M. Etienne

Langue d'enseignement : Français

UC Sensométrie avancée et études conso - RM2C-STSENSO

Enseignant(s) responsable(s) : S. Le

Langue d'enseignement : Français

UC obligatoires

UC Analyse factorielle - RM2C-STFACTO

Volume horaire : 30.00 heures

Enseignant(s) responsable(s) : S. Lê

Langue d'enseignement : Français

Objectifs :

À l’issue de cette UC, l’étudiant saura identifier un problème relevant d’une analyse factorielle exploratoire multivariée, le formaliser, l’analyser et en tirer des enseignements.

Contenu de l'enseignement :

Cette UC présente les principales méthodes factorielles utilisées en statistique exploratoire multidimensionnelle. Nous commencerons par l’analyse d’un tableau de données « simple » dans son cadre le plus général, pour finir par l’analyse d’un tableau de données « multiple ».
Nous verrons comment appliquer certaines des méthodes présentées à des données hétérogènes. Une attention particulière sera portée à l’analyse de données dites « textuelles ».

Modalités d'évaluation :

Examen sur table (2h). Notes de cours autorisées

UC Visualisation de données massives et hétérogènes - RM2C-STVISDO

Volume horaire : 20.00 heures

Enseignant(s) responsable(s) : S. Lê

Langue d'enseignement : Français

Objectifs :

L’objectif principal de la visualisation de données est de mieux comprendre ses données à travers un support visuel. L’objectif de cette UC est de réfléchir à la notion de visualisation : quel support visuel dois-je utiliser pour le message à transmettre ? Comment traduire une information sous forme graphique ? 

Contenu de l'enseignement :

Nous aborderons la notion de visualisation de données de façon pragmatique, à
travers des exemples concrets : visualisation de données brutes, visualisation de résultats issus d’analyses statistiques, intégration de l’information spatiale/temporelle. 

Modalités d'évaluation :

Projet par groupe consistant à mettre en œuvre une visualisation de données. Une restitution orale. 

S'abonner à Master 2 - Sciences des données