Génie industriel - Rubrique Formation - 2022

Science des données - 4GMA1625

Volumes horaires
- CM 7.5
- Projet -
- TD 7.5
- Stage -
- TP 6.0
- DS 2.0
Crédits ECTS
Crédits ECTS 3.0

Objectif(s)

Ce cours vise à fournir une compréhension de l'analyse de données, du machine learning, des réseaux de neurones, du deep learning avancé et des Large Language Models (LLM). Les étudiants apprendront à maîtriser des outils essentiels de Python et à appliquer ces connaissances à travers des travaux pratiques autonomes. L'objectif est de permettre aux étudiants de réaliser des analyses exploratoires, d'implémenter des modèles de machine learning et de deep learning, et d'intégrer des LLM pour résoudre des problèmes spécifiques.

Responsable(s)

Nicolas CATUSSE

Contenu(s)

Analyse de données
Machine learning
Réseau de neurones
Deep learning
LLM

Prérequis

Cours de probabilité
Cours de statistiques
Cours d'informatique avec Python

Contrôle des connaissances

Contrôle continu (CC) - La note de CC ne se rattrape pas
Évaluation session 1 (E1) = examen final écrit
Évaluation session 2 (E2) = examen oral ou écrit

N1 = note finale session 1
N2 = note finale session 2

Le jury peut décider le passage en année supérieure sous réserve de validation différée de cette UE. Cette décision reste exceptionnelle ; le jury est souverain pour chaque étudiant.

Calendrier

Le cours est programmé dans ces filières :

Cursus ingénieur - Ingénieur IPID - Semestre 7

cf. l'emploi du temps 2025/2026

Informations complémentaires

Code de l'enseignement : 4GMA1625
Langue(s) d'enseignement :

Vous pouvez retrouver ce cours dans la liste de tous les cours.

Bibliographie

Livres et Articles :
- "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" par Aurélien Géron.
- "Deep Learning" par Ian Goodfellow, Yoshua Bengio, et Aaron Courville.

Cours en Ligne :
- Cours de deep learning par Andrew Ng sur Coursera.
- Tutoriels et documentation officielle de PyTorch et Hugging Face Transformers.

Mise à jour - 19/06/2025