Vous êtes sur la page 1sur 4

14/12/2015

FUNFondamentauxpourleBigData
(/dashboard)

(/)
Accueil (/) Tous les cours (/cours/) Fondamentaux pour le Big Data

Fondamentaux pour le Big Data

(/universities/MinesTelecom/)

S'inscrire

(https://www.facebook.com/france.universite.numerique)
(http://twitter.com/intent/tweet?
text=Je+viens+de+m'inscrire+pour+Fondamentaux+pour+le+Big+Data+via+@funmooc:+http://www.france-universite-numerique-

mooc.fr/courses/MinesTelecom/04006S03/session03/about)

https://www.franceuniversitenumeriquemooc.fr/courses/MinesTelecom/04006S03/session03/about

(mailto:?

1/4

14/12/2015

FUNFondamentauxpourleBigData

subject=Suivez%20un%20cours%20en%20ligne%20avec%20FUN&body=Je%20viens%20de%20m'inscrire%20pour%20Fondamentaux%20pour%20le%20Big%20Data%20via%20FU
universite-numerique-mooc.fr/courses/MinesTelecom/04006S03/session03/about)
Fin d'inscription

Effort estim

11 janv 2016

04:00 h/semaine

Dbut du Cours
07 dc 2015

Fin du cours
18 janv 2016

Accueil (/) Tous les cours (/cours/) Fondamentaux pour le Big Data

Les thmatiques

Informatique

(/cours/#filter/subject/informatique) Mathmatiques et statistiques (/cours/#filter/subject/mathematiques-et-statistiques)

propos du cours
Le MOOC Fondamentaux pour le big data permet d'acqurir efficacement le niveau prrequis en informatique et en statistiques pour suivre des
formations dans le domaine du big data et data science.
Le big data offre de nouvelles opportunits demplois au sein des entreprises et des administrations. De nombreuses formations prparant ces
opportunits de mtiers existent. Le suivi de ces formations ncessite des connaissances de base en statistiques et en informatique que ce MOOC
vous propose dacqurir dans les domaines de lanalyse, algbre, probabilits, statistiques, programmation Python et bases de donnes.
Dune part, les bases de donnes relationnelles ne sont pas toujours adaptes aux systmes de donnes massives qui sont dployes dans les
contextes big data ; ce MOOC vous explique pourquoi.
Dautre part, le langage Python est un langage trs utilis dans le domaine du traitement des masses de donnes. Ce cours vous initie la
programmation avec ce langage, particulirement en utilisant la bibliothque Numpy.
Enfin, le traitement des donnes massives et la prdiction ncessitent des analyses statistiques. Cette formation vous fournit les concepts
lmentaires en statistiques tels que les variables alatoires, le calcul diffrentiel, les fonctions convexes, les problmes d'optimisation et les
modles de rgression. Ces bases sont appliques sur un algorithme de classification le Perceptron.

Format
Ce MOOC est organis en 6 semaines, chaque partie se termine par un quiz validant les acquis des diffrentes sessions vidos. Un quiz final faisant
suite un projet validera lensemble du MOOC.

Prrequis
Ce MOOC s'adresse un public ayant des bases en mathmatiques et en algorithmique (niveau L2 valid) ncessitant un rafraichissement de ces
connaissances pour suivre des formations en data science et big data. Il peut tre suivi en prparation du Mastre Spcialis Big data : Gestion
et analyse des donnes massives , du Certificat dEtudes Spcialises Data Scientist et de la formation courte Data Science : Introduction au
Machine Learning.

Les enseignants (ou) quipe pdagogique


STPHAN CLMENON
Professeur au dpartement Traitement du Signal et de l'Image de Tlcom ParisTech. Ses recherches portent sur la
thorie statistique de l'apprentissage. Il a rcemment encadr des projets de recherche nationaux thoriques et
appliqus sur ce thme. Il est responsable du Mastre Spcialis Big data : Gestion et analyse des donnes
massives et du Certificat dEtudes Spcialises Data Scientist.

PIERRE SENELLART
Professeur dans l'quipe DBWeb de Tlcom ParisTech. Il est le directeur de l'information du Journal of the ACM. Ses
intrts de recherche se concentrent sur les aspects pratiques et thoriques de la gestion de donnes 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'accs. Il est responsable du Certificat dEtudes Spcialises Data
Scientist de Tlcom ParisTech.

https://www.franceuniversitenumeriquemooc.fr/courses/MinesTelecom/04006S03/session03/about

2/4

14/12/2015

FUNFondamentauxpourleBigData

ANNE SABOURIN
Enseignant-chercheur au dpartement Traitement du Signal et de l'Image de Tlcom ParisTech. Ses recherches
portent sur l'apprentissage statistique et les mthodes baysiennes, en particulier pour l'analyse des valeurs
extrmes et la dtection d'anomalies.

JOSEPH SALMON
Enseignant-chercheur au dpartement Traitement du Signal et de l'Image de Tlcom ParisTech. Il est spcialis en
traitement statistique des images et en apprentissage statistique. Ses recherches portent sur la cration et l'tude
d'algorithmes pour le traitement de donnes en grande dimension.

ALEXANDRE GRAMFORT
Enseignant-chercheur au dpartement 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 modlisation et l'analyse de donnes 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 la formation continue de Tlcom ParisTech, responsable des formations Big Data. Elle est
coordonnatrice de ce MOOC.

Plan du cours
Cette formation est prcde dun quiz de validation de niveau. Elle est constitue de 7 parties et organise en 6 semaines, chaque partie se
termine par un quiz validant les acquis des diffrentes sessions vidos. Un quiz final faisant suite un projet validera lensemble du MOOC.
Semaine 0 : Introduction : Les enjeux du Big Data et de ce MOOC
Semaine 1 : Python Partie 1 / Algbre Partie 1
Semaine 2 : Limites des bases de donnes relationnelles / Python Partie 2/ Algbre Partie 2
Semaine 3 : Probabilits Partie 1/ Analyse Partie 1
Semaine 4 : Probabilits Partie 2/ Analyse Partie 2
Semaine 5 : Statistique
Semaine 6 : Le classifieur Perceptron

Lectures recommandes / MOOC recommands


MOOC Bases de donnes relationnelles (http://flot.sillages.info/?portfolio=bases-de-donnees-relationnelles)
MOOC Tlcom SudParis : Bases de donnes relationnelles (http://mooc.telecom-sudparis.eu/mod/book/view.php?id=431)

valuation
Chaque partie se termine par un quiz et la rponse au projet final se fait sous forme de quiz. La russite de ces quiz avec 60% par thme et 70% en
global permet dobtenir une attestation de suivi avec succs.

Conditions d'utilisation
Pour le cours
Licence Creative Commons BY NC ND: l'utilisateur doit mentionner le nom d'auteur, il peut exploiter l'oeuvre sauf dans un contexte commercial, il ne
peut pas crer une oeuvre drive de l'oeuvre originale.

Pour le contenu produit par les internautes


Licence restrictive: votre production relve de votre propriet intellectuelle et ne peut donc pas tre rutilise.

A propos (/about)
Aide (/help/)

https://www.franceuniversitenumeriquemooc.fr/courses/MinesTelecom/04006S03/session03/about

3/4

14/12/2015

FUNFondamentauxpourleBigData

Contact (/contact)
Conditions gnrales d'utilisation (/tos)
Charte utilisateurs (/honor)
Politique de confidentialit (/privacy)
Mentions lgales (/legal)

(/)

(https://www.facebook.com/france.universite.numerique)

https://www.franceuniversitenumeriquemooc.fr/courses/MinesTelecom/04006S03/session03/about

(https://twitter.com/@funmooc)

4/4