Fondamentaux pour le Big Data
- Durée : 6 semaines
- Effort : 24 heures
- Rythme: ~4 heures/semaine
Compétences visées
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. La réussite de ces quiz avec 70% en global permet d’obtenir une attestation de suivi avec succès.
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 attestation : il y aura 3 sessions d'évaluation dans l'année : le 16 mars, le 20 juillet et le 22 novembre 2018.
Plan de cours
Cette formation est précédée d’un quiz de validation de niveau. Elle est constituée de 7 parties et organisée en 6 semaines, 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.
- Introduction : Les enjeux du Big Data et de ce MOOC
- Python Partie 1 / Algèbre Partie 1
- Limites des bases de données relationnelles / Python Partie 2/ Algèbre Partie 2
- Probabilités Partie 1/ Analyse Partie 1
- Probabilités Partie 2/ Analyse Partie 2
- Statistique
- Le classifieur Perceptron
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.
Ons Jelassi
Catégories
Enseignante à la formation continue de Télécom ParisTech, responsable des formations Big Data.
Établissements
Bibliographie - Webographie
Lectures / MOOC recommandés