Stéphan Clémençon
Professeur au département Traitement du Signal et de l’Image de Télécom ParisTech. Ses recherches portent sur la théorie statistique de l’apprentissage. Il a récemment encadré des projets de recherche nationaux théoriques et appliqués sur ce thème. Il est responsable du Mastère Spécialisé «Big data : Gestion et analyse des données massives» et du Certificat d’Etudes Spécialisées «Data Scientist».

Pierre Senellart
Professeur dans l’équipe DBWeb de Télécom ParisTech. Il est un ancien élève de l’École normale supérieure. Il est le directeur de l’information du Journal of the ACM. Ses intérêts de recherche se concentrent sur les aspects pratiques et théoriques de la gestion de données du Web, en particulier le crawl et l’archivage du Web, l’extraction d’informations depuis le Web, la gestion de l’incertitude, la fouille du Web et l’interrogation sous contraintes d’accès. Il est responsable du Certificat d’Etudes Spécialisées «Data Scientist».

Anne Sabourin
Enseignant-chercheur au département Traitement du Signal et de l’Image de Télécom ParisTech. Ses recherches portent sur l’apprentissage statistique et les méthodes bayésiennes, en particulier pour l’analyse des valeurs extrêmes et la détection d’anomalies.

Joseph Salmon
Enseignant-chercheur au département Traitement du Signal et de l’Image de Télécom ParisTech. Il est spécialisé en traitement statistique des images et en apprentissage statistique. Ses recherches portent sur la création et l’étude d’algorithmes pour le traitement de données en grande dimension.

Alexandre Gramfort
Enseignant-chercheur au département Traitement du Signal et de l’Image de Telecom ParisTech. Ses recherches portent sur le traitement du signal, l’apprentissage statistique et le calcul scientifique avec pour application principale la modélisation et l’analyse de données en neurosciences. Il est un des principaux contributeurs du projet logiciel open source Scikit-Learn qui est la librairie standard pour l’apprentissage statistique en Python.

Ons Jelassi
Enseignante à la formation continue de Télécom ParisTech, dans le domaine de la métrologie et des performances des réseaux. Elle est coordonnatrice de ce MOOC.

6  semaines
Du 20 novembre 2017 au 1er octobre 2018

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.

4 heures / semaine

Gratuit

Attestation de suivi avec succès
Chaque partie se termine par un quiz et la réponse au projet final se fait sous forme de quiz. La réussite de ces quiz avec 60% par thème et 70% en global permet d’obtenir l’attestation.

Ce MOOC est organisé 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.

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

France Université Numérique (FUN)
Plate-forme nationale française et propriété du Ministère de l’Enseignement Supérieur et de la Recherche. Elle est basée sur la technologie Open edX du MIT et de Harvard.