Science des données
Résumé
Ce cours présentera les bases de l'analyse des données et de l'apprentissage à partir des données, l'estimation des erreurs et la stochasticité en physique. Les concepts seront introduits théoriquement ainsi que via des exercices numériques réalisés en Python.
Contenu
** Méthodes et algorithmes d'analyse de données de base, régression linéaire, analyse en composantes principales et leurs applications. Outils numériques pour l'algèbre linéaire. Introduction à l'apprentissage automatique à partir des données.
** Quantification de l'incertitude des mesures physiques. Propagation des erreurs.
** Estimation et inférence statistiques et leurs applications en physique.
** Stochasticité dans les systèmes physiques, marches aléatoires et mouvement brownien. Échantillonnage de distributions de probabilité. Applications de la loi des grands nombres et du théorème central limite en physique.
Acquis de formation
A la fin de ce cours l'étudiant doit être capable de:
- Utiliser des outils de base pour l'analyse des données.
- Calculer les barres d'erreur dans les expériences de physique.
Méthode d'enseignement
2h de cours + 2h d'exercices (exercices majoritairement sur ordinateur)
Méthode d'évaluation
Examen écrit final comptant pour 50% et plusieurs exercices et projets notés durant le semestre comptant pour les 50% restants.
Encadrement
| Assistants | Oui |
| Forum électronique | Oui |
Ressources
Service de cours virtuels (VDI)
Oui
Bibliographie
Notes de cours
Liens Moodle
Dans les plans d'études
- Semestre: Automne
- Forme de l'examen: Ecrit (session d'hiver)
- Matière examinée: Science des données
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 1 Heure(s) hebdo x 14 semaines
- Labo: 1 Heure(s) hebdo x 14 semaines
- Type: obligatoire