Discipline(s) : Sciences Humaines et Sociales, Sciences et technologies
-
Partager cette page
MI0B702T - Science des données / Intelligence Artificielle
Semestre | Semestre 1 |
---|
Crédits ECTS | 10 |
---|---|
Volume horaire total | 110 |
Domaine(s) LMD
SCIENCES HUMAINES ET SOCIALES, SCIENCES, TECHNOLOGIES, SANTE
Langue(s) d'enseignement
Français
Responsables
Romain GUILLAUME : romain.guillaume@univ-tlse2.fr
Objectifs
Méthodes classiques en statistiques (50h) :
Savoir maitriser des méthodes classiques de statistique dans un but exploratoire et prédictif.
Optimisation combinatoire (30h) :
Savoir modéliser un problème d'optimisation combinatoire suivant différents langages: programmation mathématique, programmation logique, programmation par contrainte.
Structuration des données (30h) :
Maitriser le modèle relationnel et la manipulation d'un SGBDR.
Savoir maitriser des méthodes classiques de statistique dans un but exploratoire et prédictif.
Optimisation combinatoire (30h) :
Savoir modéliser un problème d'optimisation combinatoire suivant différents langages: programmation mathématique, programmation logique, programmation par contrainte.
Structuration des données (30h) :
Maitriser le modèle relationnel et la manipulation d'un SGBDR.
Contenu
Méthodes classiques en statistiques (50h) :
Validation des prérequis en statistiques (statistique exploratoire, inférentielle).
Modèle linéaire - Analyse de la variance.
Séries Chronologiques (méthodes déterministes, lissage exponentiel).
Optimisation combinatoire (30h) :
Modélisation d'un problème en PL et PLNE.
Modélisation d'un problème en programmation par contrainte.
Modélisation logique.
Programmation dynamique.
Structuration des données (30h) :
Modèle relationnel, vue relationnelle, triggers, transactions, langage SQL (manipulation, définition et interrogation), SGBDR (Interface graphique pour manipuler un SGBDR), utilisation de requêtes dans les langages hôtes, sensibilisation à l'optimisation de requêtes.
Validation des prérequis en statistiques (statistique exploratoire, inférentielle).
Modèle linéaire - Analyse de la variance.
Séries Chronologiques (méthodes déterministes, lissage exponentiel).
Optimisation combinatoire (30h) :
Modélisation d'un problème en PL et PLNE.
Modélisation d'un problème en programmation par contrainte.
Modélisation logique.
Programmation dynamique.
Structuration des données (30h) :
Modèle relationnel, vue relationnelle, triggers, transactions, langage SQL (manipulation, définition et interrogation), SGBDR (Interface graphique pour manipuler un SGBDR), utilisation de requêtes dans les langages hôtes, sensibilisation à l'optimisation de requêtes.