Travaux pratiques et projet

• Les 2 deux parties du projet seront évaluées.
• L'évaluation est divisée en deux parties distinctes : Partie 1 d'un côté et Partie 2 de l'autre.
• Deux dates limites de soumission sont précisées sur e-campus, correspondant à chaque partie de projet.
• Il est fortement conseillé de travailler en binôme pour favoriser la collaboration et l'efficacité.

Travaux pratiques

• Exploration approfondie de Jupyter, une plateforme interactive prisée pour l'analyse de données. Création de notebooks interactifs, intégration de code et de visualisations pour une analyse interactive des données massives.
• Expérience pratique avec des jeux de données ouvertes, permettant une compréhension concrète des enjeux liés au traitement massif. Application de techniques avancées pour extraire des informations significatifs à partir de données volumineuses et hétérogènes.

Soumission: Travaux pratiques et projet

• Les TP, notés de 1 à 7, ne sont pas soumis à évaluation. Cependant, la participation active et l'assiduité sont fortement encouragées pour une meilleure compréhension des concepts enseignés.
• L'évaluation du projet compte pour 20 points.

Travaux pratiques

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

Liste de contrôle

Avant de soumettre votre travail pratique, veuillez vérifier que vous avez respecté la liste de contrôle suivante :

Travaux pratiques: Notebooks Jupyter

• Lorsque vous créez un nouveau notebook (onglet "New"), vous aurez la possibilité de choisir parmi plusieurs kernels.
• Assurez-vous de sélectionner le kernel "Python 3" ou "Python 3+" pour ce TP.

Travaux pratiques: notebook Jupyter

• Explorer l'utilisation de la bibliothèque scikit-learn pour la mise en œuvre de tâches d'apprentissage machine à l'aide de jeux de données intégrés.

Travaux pratiques: Visualisation et notebook Jupyter

Travaux pratiques: Visualisation et notebook Jupyter

Travaux pratiques: Wikidata (Open Data)

Système de numération

• Utilisation pour représenter et manipuler des quantités.
• Contribution à la collecte et à l'organisation des données.

Exemples de Systèmes Anciens

• Système Babylonien : Base 60, utilisé pour des calculs astronomiques.
• Numération Maya : Base 20, avec un système de points et de traits.
• Système Romain : Symboles alphanumériques pour représenter des quantités.

Système de numération

Applications

• Enregistrement historique : Utilisation de ces systèmes pour enregistrer des données importantes.
• Calculs astronomiques : Adaptation à des besoins spécifiques comme les calculs astronomiques.

Transition vers les systèmes modernes

• Évolution numérique : Passage aux systèmes binaires et décimaux.
• Héritage culturel : Impact persistant sur la numération moderne.

Machine à Écrire

• Invention : Développement au 19e siècle pour la saisie et la documentation.
• Traitement manuel : Limitations liées à la vitesse et à la capacité.

Machine à écrire électronique

• Transition numérique : Intégration de composants électroniques dans les machines à écrire.
• Augmentation de la vitesse et de l'efficacité : Améliorations dans le traitement de l'information.

Automatisation Partielle : Réduction des tâches manuelles dans la saisie de données.

Calcul distribué

Les projets suivants ont utilisé la puissance de traitement des ordinateurs personnels pour différents objectifs

• Genome@home: pour l'étude des génomes et des protéines
• Folding@home: simuler le repliement des protéines dans diverses configurations de température et de pression
• SETI@home: détecter de la vie intelligente non terrestre
• LHC@Home: simuler les collisions de particules élémentaires dans l’accélérateur de particules LHC

Le populisme de la base de données [Driscoll 2012]

• La surveillance et le contrôle
• La fonction sociale de la technologie des bases de données
  • fin du XIXe siècle: les systèmes de cartes perforées électromécaniques et le traitement de l'information à grande échelle
  • fin des années 1970: la disponibilité des micro-ordinateurs et la mise en œuvre du modèle de données relationnelles
  • début du 21ème siècle: le traçage des utilisateurs grâce à des systèmes de communication hautement centralisés

Big Data [Kitchin 2016]

• Exhaustif
  • capable de capturer un système entier
• Extension
  • de nouveaux éléments peuvent être facilement ajoutés