Information importante
La page que vous consultez correspond à l'offre de formation 2023-2024.
Trouvez votre formation pour l'année universitaire 2024-2025
MATI D1 - Collecte, fiabilité et visualisation des données
- Cours (CM) 6h
- Cours intégrés (CI) -
- Travaux dirigés (TD) 8h
- Travaux pratiques (TP) 14h
- Travail étudiant (TE) -
Langue de l'enseignement : Français
Description du contenu de l'enseignement
1. Préparation des données
La « préparation des données » sera abordée pour maîtriser les opérations de collecte, sélection, nettoyage et transformation qui doivent être appliquées aux données brutes avant leur traitement de visualisation et analyse. Une phase d’initiation au langage Python et un apprentissage des packages pandas et numpy seront dispensée en amont de cet enseignement.
2. Visualisation des données
La « visualisation des données » sera enseignée pour aborder l’exploration visuelle et interactive de données de toutes volumétries, natures (structurées ou non structurées) et origines, et leur représentation graphique. Les étudiants aborderont ainsi les notions de séries temporelles et l’apprentissage des packages matplotlib, plotlib, cufflinks et seaborn.
3. Cas pratiques
Finalement, les étudiants mettront leurs compétences à contribution pour la visualisation et l’analyse de cas pratiques de jeu de données.
La « préparation des données » sera abordée pour maîtriser les opérations de collecte, sélection, nettoyage et transformation qui doivent être appliquées aux données brutes avant leur traitement de visualisation et analyse. Une phase d’initiation au langage Python et un apprentissage des packages pandas et numpy seront dispensée en amont de cet enseignement.
2. Visualisation des données
La « visualisation des données » sera enseignée pour aborder l’exploration visuelle et interactive de données de toutes volumétries, natures (structurées ou non structurées) et origines, et leur représentation graphique. Les étudiants aborderont ainsi les notions de séries temporelles et l’apprentissage des packages matplotlib, plotlib, cufflinks et seaborn.
3. Cas pratiques
Finalement, les étudiants mettront leurs compétences à contribution pour la visualisation et l’analyse de cas pratiques de jeu de données.
Compétences à acquérir
Objectifs en termes de connaissances
Connaître les principaux formats standards de données.
Comprendre les caractéristiques des représentations numériques et graphiques des données.
Objectifs en termes de compétences
Mettre en forme des données en vue d'une analyse automatisée.
Choisir une représentation graphique adaptée au type de données.
Utiliser des critères statistiques simples, adaptés au volume et à la nature des données pour en évaluer la fiabilité.
Connaître les principaux formats standards de données.
Comprendre les caractéristiques des représentations numériques et graphiques des données.
Objectifs en termes de compétences
Mettre en forme des données en vue d'une analyse automatisée.
Choisir une représentation graphique adaptée au type de données.
Utiliser des critères statistiques simples, adaptés au volume et à la nature des données pour en évaluer la fiabilité.
Contact
UFR de mathématique et d'informatique
7, rue René Descartes67084 STRASBOURG CEDEX
0368850200
Formulaire de contact
Responsable
Xavier Dolques
Yves Chapuis