Teaching

Academic years
2016-2017 - 2015-2016 - 2014-2015 - 2013-2014 - 2012-2013

2016-2017

DUT Statistique et Informatique Décisionnelle (STID2, S4)

Data mining - notes de cours :
Introduction
Classification supervisée - Méthode des k plus proches voisins
Classification supervisée - Évaluation
Classification supervisée - Régression logistique
Classification non supervisée - Méthode des k moyennes
Classification supervisée - Arbres de décision et forêts aléatoire
Data mining - travaux dirigés :
Classification supervisée - Méthode des k plus proches voisins et régression logistique
Classification non supervisée - Méthode des k moyennes
Data mining - travaux pratiques :
Classification supervisée avec Weka - Prise en mains
Classification supervisée avec Weka - Étude de cas
Classification non supervisée avec Weka - Étude de cas

LP Logistique Globale (LogGlob, S6)

Calcul d'indicateurs de performance et calculs statistique - notes de cours:
Statistique descriptive univariée - Rappels
Statistique descriptive bivariée - Bases
Calcul d'indicateurs de performance et calculs statistique - travaux dirigés:
TD1 - Statistique descriptive univariée
TD2 - Statistique descriptive univariée

DUT Statistique et Informatique Décisionnelle (STID2, S3)

Développement d'applications décisionnelles - supports de cours :
CM 1 (Introduction au génie logiciel, modélisation des besoins avec UML)
CM 2 (Modélisation des données et des traitements avec UML)
Développement d'applications décisionnelles - travaux dirigés :
TD 1 et 2 (Diagrammes de cas d'utilisation - Études de cas)
TD 3 (Diagramme de classes - Étude de cas)
TD 4 (Diagrammes d'activités - Études de cas)
Développement d'applications décisionnelles - travaux pratiques :
TP 1 (Diagramme de classe - Implémentation dans ACCESS)
TP 2 [English Week] (Software Engineering Tool - Visual Paradigm Quick Start)
Développement d'applications décisionnelles - projet :
Sujet du projet, Données du projet

DUT Statistique et Informatique Décisionnelle (STID1, S1)

Outils de pilotage (Reporting) - travaux pratiques :
Séance 3 (Tableau de bord)
Séance 4 (Indicateur clé de performance)

Bases de la programmation - cours, travaux dirigés et travaux pratiques :
Voir l'intranet

2015-2016

DUT Statistique et Informatique Décisionnelle (STID2, S4)

Projet statistique - sujet proposé :
« San Francisco Crime Classification » Prédire la catégorie des crimes perpétrés dans la ville de San Francisco

DUT Statistique et Informatique Décisionnelle (STID2, S3)

Développement d'applications décisionnelles - supports de cours :
CM 1 (Introduction au génie logiciel, modélisation des besoins avec UML)
CM 2 (Modélisation des données et des traitements avec UML)
Développement d'applications décisionnelles - travaux dirigés :
TD 1 et 2 (Diagrammes de cas d'utilisation - Études de cas)
TD 3 (Diagramme de classes - Étude de cas)
TD 4 (Diagrammes d'activités - Études de cas)
Développement d'applications décisionnelles - travaux pratiques :
TP 1 (Diagramme de classe - Implémentation dans ACCESS)
TP 2 [English Week] (Software Engineering Tool - Visual Paradigm Quick Start)
Développement d'applications décisionnelles - projet :
Sujet du projet, Données du projet

DUT Statistique et Informatique Décisionnelle (STID1, S1)

Outils de pilotage (Reporting) - travaux pratiques :
Séance 3 (Tableau de bord)
Séance 4 (Indicateur clé de performance)

Bases de la programmation - cours, travaux dirigés et travaux pratiques :
Voir l'intranet

2014-2015

Licence de Sciences Cognitives (L2, S2)

Modélisation et informatique (théorie des graphes) - supports de cours :
CM-TD 1 (Introduction, définitions et concepts fondamentaux)
CM-TD 2 (Définitions et concepts fondamentaux, quelques démonstrations)
CM-TD 3 (Représentation d'un graphe)
CM-TD 4 (Parcourir un graphe)
CM-TD 5 (Parcours en largeur, parcours en profondeur)
CM-TD 6 (Problème de flot maximal, application à la modélisation de conflits dans un réseau social)
Modélisation et informatique (théorie des graphes) - travaux pratiques :
TP 1

Master de Sciences Cognitives (M1, S2)

Modélisation (théorie des graphes) - supports de cours :
CM-TD 1, CM-TD 2, CM-TD 3, CM-TD 4, CM-TD 5
Modélisation (théorie des graphes) - travaux pratiques :
TP 1

Licence de Sciences Cognitives (L1, S1)

Informatique et programmation - cours magistraux :
CM 1 (Introduction à l'informatique)
CM 3 (Algèbre de Boole)
CM 5 (Conception d'un programme, exemple : conversion décimal <-> binaire)
CM 6 (Révisions)
Informatique et programmation - travaux dirigés :
TD 1, TD 2, TD 3, TD 4, TD 5
Informatique et programmation - sujet de l'examen :
Première session

Master de Sciences Cognitives (M1, S1)

Informatique avancée et intelligence artificielle - projet :
Choix du créneau pour la soutenance

2013-2014

Master d'Informatique (M1, S1)

Programmation orientée objet - travaux dirigés :
TD 1, TD 2
Programmation orientée objet - projet :
Sujet du projet (Arbres quadratiques pour la compression d'image)

European Master in Data Mining and Knowledge Management (M1, S1)

Case study - social media mining :
Proposal (Event detection in Twitter)
Advanced Databases - exercises, homework and project :
See the e-learning platform

2012-2013

Licence d'Informatique Décisionnelle et d'Économétrie Appliquée (L1, S2)

Bases de données - travaux dirigés :
TD1, TD 2, TD 3, TD 4, TD 5, TD 6, TD 7
Bases de données - projet :
Sujets proposés
Consignes

European Master in Data Mining and Knowledge Management (M1, S1)

Advanced Databases - exercises, homework and project :
See the e-learning platform