Data Science

John Samuel
CPE Lyon

Année: 2023-2024
Email: john.samuel@cpe.fr

Creative Commons License

John SAMUEL

  • Enseignant-Chercheur, Conception Logicielle et Big Data, CPE Lyon,
  • Intérêts et thèmes de recherche : Représentation de connaissances, le web sémantique, les services web, l'intégration de données, l'entrepôt de données, les systèmes distribués, système d'information géographique
  • Cours : Programmation en C, Algorithmes en C, Data Mining et Machine Learning, Intelligence Artificielle et Deep Learning, Systèmes d'exploitation et Programmation Concurrente, Langages Web
  • Thèse : Intégration des données issues de services web

Data Science

Cours/TP Dates
1 22 mars
2 29 mars
3 5 avril
4 12 avril
5 18 avril
6 19 avril
7 2 mai

Data Science

Cours/TP Dates
1 22 mars
2 29 mars
3 5 avril
4 12 avril
5 18 avril
6 19 avril
7 2 mai

Data Science

Dates Sujets
1.
  • Panorama du numérique
  • Usine 4.0
  • Codage des données en chimie
  • Acquisition et stockage de données
2.
  • Analyse et visualisation de données
  • Data Mining et Big Data
  • Base de données non-relationnelle
  • Apprentissage machine
3.
  • Système de recommandation
  • Intelligence artificielle
  • Base de données ouvertes

Data Science

Travaux pratiques

Evaluation

Data Science

Cours:

Travaux pratiques

Data Science

Devoir surveillé (DS): 60%

Vous recevrez un courrier détaillé avant l'examen

Data Science

Cours Dates
Cours 1 (2h) 22 mars
Cours 2 12 mars
Cours 3 18 avril
cours 4 2 mai

Data Science

Travaux pratiques Dates
TP 1 12 mars
TP 2 18 avril
TP 3 2 mai

Data Science

Travaux pratiques

Data Science

Soumission: Travaux pratiques

TP Points
TP 1 ✅ (6 points)
TP 2 ✅ (7 points)
TP 3 ✅ (7 points)

Data Science

Travaux pratiques

Chaque TP comporte plusieurs exercices. Chaque exercice est accompagné d'une indication de niveau de difficulté :

Data Science

Liste de contrôle

Avant de déposer vos TPs, vérifiez si vous respectez la liste de contrôle suivante:

  • ✅ Les noms complets (prénom et noms) de la binôme sont correctement inclus dans le fichier CONTRIBUTORS.md.
  • ✅ Le fichier README.md est rempli de manière exhaustive et conforme aux instructions fournies.
  • ✅ Vous avez respecté les noms de fichiers tels que spécifiés dans chaque exercice des travaux pratiques.
  • ✅ Votre code est accompagné de commentaires appropriés pour expliquer la logique et la fonctionnalité.
  • ✅ Votre code peut être exécuté sans générer d'erreurs, et dans la mesure du possible, sans générer d'avertissements.
  • Pas de fichiers Python (*.py)
  • Data Science

    Modèle de code

    Vous pouvez consulter https://github.com/johnsamuelwrites/DataScience en ligne
    ou le cloner sur votre machine à l'aide du terminal en utilisant les commandes suivantes.

              $ git clone https://github.com/johnsamuelwrites/DataScience
    $ cd DataScience; ls

    Et pour les dernières modifications:

                    	  $ git pull
                    	 

    Data Science

    Travaux pratiques: Notebooks Jupyter

    Data Science: Notebooks Jupyter

    Travaux pratiques: Notebooks Jupyter

    Data Science: Notebooks Jupyter

    Travaux pratiques: notebook Jupyter

    Data Science: Notebooks Jupyter

    Travaux pratiques: Visualisation et notebook Jupyter

    Data Science: Notebooks Jupyter

    Travaux pratiques: Visualisation et notebook Jupyter

    Data Science

    Travaux pratiques: Wikidata (Open Data)

    Références

    Sites web

    Couleurs

    Images