Data management and analytics

• Relational Databases (Python & SQL)

• NoSQL Databases (MongoDB)

• Data Sources and Acquisition

• Data Security and Privacy

• Supervised Learning

• Unsupervised Learning

• Text Mining

A l'issue de cette unité d'enseignement l'étudiant sera capable de:

• Comprendre les enjeux et limites liés au phénomène du "Big Data" dans un cadre économique et business.

• Acquérir et traiter des données variées et de grand volume dans le cadre de bases de données relationelles et non relationelles

• Analyser des données de grand volume à l'aide de concepts relatifs au machine learning, data mining et text mining et ce dans le but de résoudre des problèmes de nature business et économique

36h de cours + 24h d'exercices

Contribution au profil d'enseignement

L'unité d'enseignement contribue au développement des compétences suivantes du profil d'enseignement de sciences économiques :

• Analyser une situation, en s'appuyant sur des techniques de gestion de données et de modélisation, en vue de développer des outils d'aide à la décision, de prospective et d'évaluation

• Concevoir et exploiter de grandes bases de données afin d’en extraire les informations pertinentes au travers d’outils quantitatifs

• Démontrer une capacité de synthèse pour aller à l’essentiel dans ses communications

• Analyser le problème « out of the box » en respectant la méthode scientifique de résolution de problème pour concevoir des solutions innovantes

Références, bibliographie et lectures recommandées

(1) Elmasri and Navathe. Fundamentals of Database Systems (6th edition), 2011.

(2) Provost, Foster, and Tom Fawcett. Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.", 2013.

Informations complémentaires

Contacts

pdeville@ulb.ac.be

Méthode(s) d'évaluation

• Autre

Autre

Travaux de groupe et examen écrit

Construction de la note (en ce compris, la pondération des notes partielles)

Travaux de groupe: 30%

Examen écrit: 70%