Passer au contenu principal
FUN MOOC
  • FAQ
  • Accueil
  • Actualités
  • Cours
  • GRADEO
  • Diplômes
  • Etablissements
  • Vous êtes ici:
  • Accueil
  • Cours
  • Fondamentaux pour le Big Data

Fondamentaux pour le Big Data

Réf. 04006
CatégorieInformatique et programmationCatégorieMathématiques et statistiques
  • Durée : 6 semaines
  • Effort : 24 heures
  • Rythme: ~4 heures/semaine
Inscription
Du 26 janvier 2023 au 31 décembre 2023
Cours
Du 26 janvier 2023 au 29 janvier 2024
Langues
Anglais

Ce que vous allez apprendre

À la fin de ce cours, vous saurez :

  • Pourquoi les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives qui sont déployées dans les contextes big data.
  • Pourquoi le langage Python est un langage très utilisé dans le domaine du traitement des masses de données. Ce cours vous initie à la programmation avec ce langage, particulièrement en utilisant la bibliothèque Numpy.
  • Quelles analyses statistiques nécessitent le traitement des données massives et la prédiction.

Cette formation vous fournit les concepts élémentaires en statistiques tels que :

  • les variables aléatoires,
  • le calcul différentiel,
  • les fonctions convexes,
  • les problèmes d'optimisation,
  • les modèles de régression.

Ces bases sont appliquées sur un algorithme de classification le Perceptron.

Description

Le MOOC «Fondamentaux pour le big data» permet d'acquérir efficacement le niveau prérequis en informatique et en statistiques pour suivre des formations dans le domaine du big data et data science.

Le big data offre de nouvelles opportunités d’emplois au sein des entreprises et des administrations. De nombreuses formations préparant à ces opportunités de métiers existent.

Le suivi de ces formations nécessite des connaissances de base en statistiques et en informatique que ce MOOC vous propose d’acquérir dans les domaines de l’analyse, algèbre, probabilités, statistiques, programmation Python et bases de données.

Format

Ce MOOC est ouvert à la demande : vous pouvez vous inscrire quand vous le souhaitez, et avancer à votre rythme.

Il comporte 6 semaines.

Les forums de discussions seront animés une demi-journée par semaine.

Prérequis

Ce MOOC s'adresse à un public ayant des bases en mathématiques et en algorithmique (niveau L2 validé) nécessitant un rafraichissement de ces connaissances pour suivre des formations en data science et big data.

Il peut être suivi en préparation du Mastère Spécialisé « Big data : Gestion et analyse des données massives », du Certificat d’Etudes Spécialisées « Data Scientist » et de la formation courte «Data Science : Introduction au Machine Learning».

Evaluation et Certification

Chaque partie se termine par un quiz validant les acquis des différentes sessions vidéos.

Un quiz final faisant suite à un projet validera l’ensemble du MOOC.

Vous pouvez passer vos quiz et travailler sur votre mini-projet quand vous le souhaitez. Néanmoins, il faudra patienter un peu pour obtenir votre badge : il y aura 3 sessions d'évaluation dans l'année : le 16 mars, le 20 juillet et le 22 novembre 2018.

Plan de cours

  • Semaine 0 : Introduction - Les enjeux du Big Data et de ce MOOC
  • Semaine 1 : Python Partie 1 / Algèbre Partie 1
  • Semaine 2 : Limites des bases de données relationnelles / Python Partie 2/ Algèbre Partie 2
  • Semaine 3 : Probabilités Partie 1 / Analyse Partie 1
  • Semaine 4 : Probabilités Partie 2 / Analyse Partie 2
  • Semaine 5 : Statistique
  • Semaine 6 : Le classifieur Perceptron

Autres sessions

Archivé

  • Du 14 janvier 2015 au 5 mars 2015
  • Du 6 juin 2017 au 2 août 2017
  • Du 4 septembre 2017 au 24 octobre 2017
  • Du 20 novembre 2017 au 30 novembre 2018
  • Du 3 décembre 2018 au 30 décembre 2021
  • Du 7 janvier 2022 au 31 décembre 2022

Équipe pédagogique

Stéphan Clémençon

Catégories

Professeur au département Traitement du Signal et de l'Image de Télécom ParisTech.

Pierre Senellart

Catégories

Professeur à l'École normale supérieure et responsable de l'équipe Valda d'Inria Paris, anciennement professeur à Télécom ParisTech.

Anne Sabourin

Catégories

Enseignant-chercheur au département Traitement du Signal et de l'Image de Télécom ParisTech.

Joseph Salmon

Catégories

Enseignant-chercheur au département Traitement du Signal et de l'Image de Télécom ParisTech.

Alexandre Gramfort

Catégories

Chercheur à l'INRIA.

Ons Jelassi

Catégories

Enseignante à la formation continue de Télécom ParisTech, responsable des formations Big Data.

Établissements

Institut Mines-Télécom (IMT)

Bibliographie - Webographie

Lectures / MOOC recommandés

  • MOOC « Bases de données relationnelles »

Licence

Licence pour le contenu du cours

Attribution - Pas d’Utilisation Commerciale - Pas de Modification

Vous êtes autorisé à :

  • Partager — copier, distribuer et communiquer le matériel par tous moyens et sous tous formats

Selon les conditions suivantes :

  • Attribution — Vous devez créditer l'oeuvre, intégrer un lien vers la licence et indiquer si des modifications ont été effectuées à l'oeuvre. Vous devez indiquer ces informations par tous les moyens raisonnables, sans toutefois suggérer que l'offrant vous soutient ou soutient la façon dont vous avez utilisé son oeuvre.
  • Pas d’Utilisation Commerciale — Vous n'êtes pas autorisé à faire un usage commercial de cette oeuvre, tout ou partie du matériel la composant.
  • ​​​​​​​Pas de modifications — Dans le cas où vous effectuez un remix, que vous transformez, ou créez à partir du matériel composant l'oeuvre originale, vous n'êtes pas autorisé à distribuer ou mettre à disposition l'oeuvre modifiée.

Licence pour le contenu créé par les participants du cours

Attribution - Pas d’Utilisation Commerciale - Pas de Modification

Vous êtes autorisé à :

  • Partager — copier, distribuer et communiquer le matériel par tous moyens et sous tous formats

Selon les conditions suivantes :

  • Attribution — Vous devez créditer l'oeuvre, intégrer un lien vers la licence et indiquer si des modifications ont été effectuées à l'oeuvre. Vous devez indiquer ces informations par tous les moyens raisonnables, sans toutefois suggérer que l'offrant vous soutient ou soutient la façon dont vous avez utilisé son oeuvre.
  • Pas d’Utilisation Commerciale — Vous n'êtes pas autorisé à faire un usage commercial de cette oeuvre, tout ou partie du matériel la composant.
  • ​​​​​​​Pas de modifications — Dans le cas où vous effectuez un remix, que vous transformez, ou créez à partir du matériel composant l'oeuvre originale, vous n'êtes pas autorisé à distribuer ou mettre à disposition l'oeuvre modifiée.
FacebookTwitterLinkedin

En savoir plus

  • Aide et Contact
  • A propos de FUN
  • Foire aux questions
  • Mentions légales
  • Politique de confidentialité
  • Infolettres
  • Charte utilisateurs
  • Conditions générales d'utilisation
  • Accessibilité : partiellement conforme
  • Plan de site
  • Gestion des cookies
Propulsé par Richie