• contact@mooc-francophone.com

Fondamentaux pour le Big Data

Le MOOC Fondamentaux pour le Big Data vous propose d’acquérir des connaissances de base en statistiques et en informatique dans les domaines de l’analyse, algèbre, probabilités, statistiques, programmation Python et bases de données.

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.

Institut Mines Telecom
Organisateur :

Mines Telecom

* MOOC Francophone est un annuaire. Nous n’organisons aucun cours, le lien « Suivre le cours » vous redirige vers la page web des organisateurs. Les participants peuvent évaluer ce cours et partager leur avis en cliquant ici
  • icon

    Intervenant

    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.

  • icon

    Durée

    6  semaines
    Du 06 juin au 18 juillet 2017

  • icon

    Prérequis

    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.

  • icon

    Charge de travail

    4 heures / semaine

  • icon

    Coût

    Gratuit

  • icon

    Certification

    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.

  • icon

    Déroulement

    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.

  • icon

    Programme

    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

  • icon

    Plateforme

    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.

Evaluer ce cours !

Votre avis participe à une dynamique constructive pour les prochains sessions

0 50 100 8
50%
Moyenne sur 8 votes Je participe !
fermer

Merci pour votre contribution. Votre avis est en attente de modération avant publication. Après validation, vos données seront anonymisées.

fermer

Taux de satisfaction

Votre perception du cours doit rester constructive. Nous encourageons un débat sain et constructif entre concepteurs de MOOC et utilisateurs. Les avis sont modérés avant publication et les données sont anonymisées après contrôle. Pour évaluer ce cours, cliquez sur le lien bleu - Je participe ! - et validez votre accord avec chacune des affirmations sur une échelle de 1 à 100. Merci de votre compréhension !

  • La durée des modules et le rythme de travail sont conformes à mes attentes.
    54%
  • Les ressources sont utiles et le contenu des modules est pertinent.
    48%
  • Les activités proposées facilitent la compréhension du cours
    49%
  • Les évaluations permettent de mesurer votre progression dans ce cours
    54%
  • Les échanges avec l’équipe pédagogique correspondent à vos besoins
    59%
  • Les interactions entre utilisateurs représentent une véritable valeur ajoutée
    56%
  • L’accès à la plateforme est simple, sa prise en main intuitive et la navigation facile
    67%

Pin It on Pinterest

Share This