Scribd
Importer
333 vues2 pages

Data Science

Ce document décrit le contenu d'un master spécialisé en data science, big data analytics et intelligence artificielle d'une durée d'un an. Le programme de formation comporte 20 unités d'enseignement couvrant des sujets tels que les statistiques, l'économétrie, le machine learning, le deep learning, le big data et les technologies de visualisation de données.

Transféré par

Hey Manuel
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
333 vues2 pages

Data Science

Ce document décrit le contenu d'un master spécialisé en data science, big data analytics et intelligence artificielle d'une durée d'un an. Le programme de formation comporte 20 unités d'enseignement couvrant des sujets tels que les statistiques, l'économétrie, le machine learning, le deep learning, le big data et les technologies de visualisation de données.

Transféré par

Hey Manuel
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

INSTITUT SUPERIEUR DE STATISTIQUE D’ECONOMETRIE ET DE DATA SCIENCE

Data University

Statistique – Econométrie – Data Science – Machine Learning – Intelligence Artificielle

MASTER SPECIALISE
Data Science – Big data Analytics – Intelligence Artificielle
FORMATION NIVEAU D’ENTREE Bac + 5 FORMATION
à 80% DUREE DE LA FORMATION 1 an mois (12 mois) à 80%
PRATIQUE DIPLOME OBTENU BAC + 6 PRATIQUE
COUT DE FORMATION 1.300.000 [Link]

CONTENU
SEMESTRE 1
UE.1 – Logiciels data science
 R, RStudio
 Python

UE.2 – Statistique Exploratoire


 Importation, nettoyage et préparation de données
 Analyse univariée et bivariée

UE.3 – Statistique Inférentielle


 Estimation statistique
 Tests statistiques

UE.4 – Analyse des données multidimensionnelles


 Méthodes factorielles (ACP – AFC – ACM)
 Méthode de classification (CAH – Kmeans)

UE.5 – Analyse descriptive des séries temporelles


 Description des séries temporelles
 Prévision par lissage exponentielle (Holt Winters)

UE.6 – Enquête et sondage


 Techniques de sondages
 Méthodes d’enquêtes
 Plans d’expérience

UE.7 – Base de données


 Base de données SQL
 Base de données NoSQL

UE.8 – Econométrie des modèles linéaires


 Régression linéaire simple et multiples,
 Anova, Manova,
 Ancova, Mancova

UE.9 – Econométrie des modèles non linéaires


 Régression polynomiale
 Régression Splines
 Modèles Additifs Généralisés (GAM)

INSSEDS – Data University - sise à Abidjan Deux-Plateau Angré Cité Manguier


Adresse : 08 BP 113 Abidjan 08 – Tel : +225 27-22-21-14-13 / +225 01-41-08-08-50 / +225 07-77-24-19-96
[Link] - insseds@[Link]
INSTITUT SUPERIEUR DE STATISTIQUE D’ECONOMETRIE ET DE DATA SCIENCE
Data University

Statistique – Econométrie – Data Science – Machine Learning – Intelligence Artificielle

SEMESTRE 2
UE.10 – Econométrie des variables qualitatives
 Régression logistique nominale dichotomique et Polytomique
 Régression logistique ordinale
 Régression sur variable de comptage (POISSON)
 Modèle TOBIT
 Modèle de durée
UE.11 – Econométrie des séries temporelles
 Modèles ARIMA – SARIMA
 Modèles ARCH – GARCH et Extension
 Modélisation de séries temporelles et apprentissage statistique
UE.12 – Econométrie des panels – Econométrie spatiale
 Econométrie des données de panels
 Econométrie et statistique spatiale
UE.13 – Machine Learning : Méthodes non supervisées
 Méthodes de réduction de dimension (ACP – AFC – ACM – AFD)
 Méthodes de Clustering (CAH – Kmeans – DBSCAN – SOM)
UE.14 – Machine Learning : Méthodes supervisées
 Prédiction (Sélection de variables – Ridge – Lasso – Elastic net – Composantes Principales – PLS)
 Discrimination (k plus proches voisins – support vector machine – Réseau de neurones – Classifieur bayésien naïf)
 Méthodes d’ensemble (bagging – boosting – random forest)
UE.15 –Deep Learning et Intelligence Artificielle
 Perceptron simple
 Perceptron multicouche
 Réseaux convolutifs
 réseaux récurrents
UE.16 – Application Data Mining & Machine Learning
 Technique de Scoring
 Text mining
 Analyse de sentiments
 Règles d’association
 Algorithmes de recommandation
 Analyse des réseaux sociaux
UE.17 – Technologies Big Data
 Panorama du Big data
 Big data avec R
 Big data avec PYTHON
 Technologies Hadoop
 Technologie Spark
UE.18 – Technologies BI & Data visualization
 PowerBI
 QlikView
 Tableau
 D3js : Data Driven Documents
UE.19 – Data architecture
 Cluster LINUX
 Mise en œuvre d’un datawarehouse
 Mise en œuvre d’un datalake
 Web scraping
UE.20 – Machine Learning & Intelligence Artificielle
 Panorama de l’IA
 Reinforcement Learning
INSSEDS – Data University - sise à Abidjan Deux-Plateau Angré Cité Manguier
Adresse : 08 BP 113 Abidjan 08 – Tel : +225 27-22-21-14-13 / +225 01-41-08-08-50 / +225 07-77-24-19-96
[Link] - insseds@[Link]

Vous aimerez peut-être aussi