ENG-209 / 3 credits

Teacher(s): Pellet Jean-Philippe, Verscheure Olivier, Bouillet Eric Pierre

Language: French

Retrait: Il n'est pas autorisé de se retirer de cette matière après le délai d'inscription.


Résumé

Ce cours est divisé en deux partie. La première partie présente le langage Python et les différences notables entre Python et C++ (utilisé dans le cours précédent ICC). La seconde partie est une introduction aux outils, librairies Python et méthodes collaboratives de data science.

Contenu

Mots-clés

Programmation, Python, Data Science, Machine Learning

Compétences requises

Concepts importants à maîtriser

Notions de programmation de base:

  • Structures de contrôles (instructions conditionnelles, boucles)
  • Concepts de fonctions/méthodes
  • Concepts de classes et d'instances

Acquis de formation

A la fin de ce cours l'étudiant doit être capable de:

  • Modéliser en langage Python les éléments pertinents d'une situation problème
  • Transposer les connaissances acquises en C++ vers Python
  • Appliquer les constructions de haut niveau de Python pour créer des structures de données linéaires ou associatives
  • Evaluer les avantages et inconvénient d'un langage haut niveau par rapport à un langage plus bas niveau
  • Utiliser les librairies Python standards pour le Data Science
  • Concevoir des solutions applicables à des problèmes Data Science réels

Compétences transversales

  • Utiliser une méthodologie de travail appropriée, organiser un/son travail.
  • Accéder aux sources d'informations appropriées et les évaluer.
  • Utiliser les outils informatiques courants ainsi que ceux spécifiques à leur discipline.
  • Faire preuve d'esprit critique

Méthode d'enseignement

Séances ex cathedra avec exercices et travaux pratiques

Travail attendu

Participation aux cours, résolution d'exercices, réalisation du travail attendu en dehors de heures de cours

Méthode d'évaluation

Contrôle continu pendant le semestre (à définir selon conditions COVID-19) réparti selon:

- Examen mid-term (concluant la première partie): 1/3 de la note totale

- Examen final (sous forme de projet Data Science): 2/3 de la note totale

 

Encadrement

Office hours Non
Assistants Oui
Forum électronique Oui

In the programs

  • Semester: Fall
  • Exam form: During the semester (winter session)
  • Subject examined: Data science for engineers with Python
  • Lecture: 1 Hour(s) per week x 14 weeks
  • Project: 1 Hour(s) per week x 14 weeks
  • Semester: Fall
  • Exam form: During the semester (winter session)
  • Subject examined: Data science for engineers with Python
  • Lecture: 1 Hour(s) per week x 14 weeks
  • Project: 1 Hour(s) per week x 14 weeks

Reference week

 MoTuWeThFr
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17     
17-18     
18-19     
19-20     
20-21     
21-22