• Objectifs de ce module
• Calendrier
• Mise en pratique
• Contrôle de connaissances
• Pré-requis

Objectifs de ce module

Ce module a pour objectif d'approfondir les UEs science des données 1 et 2. Il suppose que l'UE science des données 2 a été suivie.
Outre des compléments d'apprentissage supervisé, nous aborderons l'apprentissage non supervisé.
Outre la maîtrise d'un certain nombre de notions, l'étude de la science des données nécessite la mise en pratique via la confrontation avec des études de cas. Aussi, la mise en pratique constitue-t-elle une part importante de l'UE.
Après des années d'expérience, je suis maintenant convaincu que R est un meilleur environnement pour la science des données et en particulier pour son enseignement. Néanmoins, par cohérence avec le reste de la formation de licence MIASHS, la mise en pratique sera réalisée en python.
Une connaissance minimale de python est indispensable pour suivre ce cours. En aucun cas ce cours n'est un cours de python. En cas de besoin, lire cet ouvrage pour une présentation complète du langage.

Calendrier

Les séances se déroulent les mardis matins de 8h à 10h. La première séance se déroule le mardi 6 janvier 2026, la dernière le 28 avril.

Mise en pratique

• Classification non supervisée : partitionnement d'un jeu de données par la méthode des k-moyennes.

Quelques règles à respecter :

• Il faut travailler sous Ubuntu (ou plus généralement, Linux) : c'est le meilleur moyen d'éviter des bugs. Si vous travaillez sous Windows, vous allez rencontrer des bugs dus à Windows et je ne pourrai pas vous aider à les résoudre.
• Quand vous me rendez un TP (ou un contrôle) :
  • je ne veux pas de notebook : je veux un fichier python qui, quand je l'exécute dans une console Linux en tapant une commande telle que python nom-du-fichier.py, fait ce qui est demandé dans le sujet.
  • Je ne dois pas devoir modifier votre fichier. En particulier, attention si vous supposez que le fichier de données est contenu dans votre répertoire courant (ou un autre) sur votre ordinateur. Dans le programme que vous me rendez, le fichier de données est chargé via son url.
  • Ce qu'affiche votre programme doit être clair et compréhensible : cet affichage doit répondre aux questions du sujet.
  • Un programme python doit être commenté et correctement présenté. Il commence toujours par un commentaire indiquant le nom de la personne qui l'a écrit et le TP (ou contrôle) auquel il répond.
  • On n'importe que les bibliothèques qui sont utilisées.

Contrôle de connaissances

Le contrôle de connaissances est continu. Il y aura 2 épreuves durant le semestre.

• au milieu de l'UE, date à préciser, en février 2026.
• le 28 avril (dernière séance).

Pré-requis

Il est presque indispensable d'avoir suivi l'UE science des données 2 du 1er semestre de L3. En tout cas, cette UE est supposée avoir été suivie, pas de rappel (voir le contenu et les TP).

• connaissances en python : si nécessaire, voir ce livre.
• connaissances en apprentissage automatique : si nécessaire, voir mes notes de cours de fouille de données.