Science des données avancées

Ects : 4

Enseignant responsable :

Volume horaire : 33

Description du contenu de l'enseignement :

Enseignement / Thèmes abordés

  • Analyse de données
  • Apprentissage automatique
  • Traitement du langage naturel

 

Objectifs

  • Se familiariser avec les méthodes d’apprentissage automatique, des plus fondamentales aux plus avancées (régressions logistiques, réseaux de neurones, etc.), et comprendre dans quels contextes elles sont pertinentes.
  • Comprendre et appliquer les méthodes de traitement du langage naturel (NLP), des approches statistiques classiques aux techniques récentes basées sur les modèles de langage.
  • Concevoir et mener un projet en science des données en appliquant des méthodes d’apprentissage automatique et de NLP pour répondre à des problématiques identifiées.

 

________________________________

Teaching / Topics

  • Data analysis
  • Machine Learning
  • Natural Language Processing

 

Objectives

  • Familiarize yourself with both basic and advanced machine learning methods (e.g., logistic regression, neural networks) and understand their appropriate use cases.
  • Learn to apply Natural Language Processing (NLP) techniques, ranging from traditional statistical methods to modern approaches based on language models.
  • Develop a data science project and utilize ML and NLP methods to solve identified problems effectively.
Coefficient : Parcours Recherche : 4 ECTS - Coefficient 4 Parcours Professionnel : 3 ECTS - Coefficient 3

Compétence à acquérir :

  • Analyse de données
  • Prédiction sur de grands ensembles de données
  • Techniques de clustering
  • Modélisation de sujets (topic modeling)
  • Classification de textes
  • Maîtrise de Python et des principales bibliothèques dédiées à l’analyse de données, à l’apprentissage automatique et au traitement du langage naturel

________________________________

  • Data analysis
  • Predictive modeling on large datasets
  • Clustering techniques
  • Topic modeling
  • Text classification
  • Proficiency in Python and key libraries for data analysis, machine learning, and natural language processing