Contenu: Le cours traite de l'analyse de donnée et des méthodes dont un ingénieur aurait besoin. Ce sont surtout les théories des méthodes de classification, régression et clustering qui sont abordées dans ce cours avec quelques exemples résolus en cours. Il y a des séances d'exercice toutes les 2 semaines mais même s'ils peuvent apporter quelque chose au niveau de la compréhension des concepts, ils ne sont pas Prüfungsrelevant et demandent pas mal de temps car ils s'effectuent sur une application développée sur Matlab par des doctorants. Le prof ne donne pas de correction mais répond seulement aux questions qui étaient soit purement technique (comment je fais ceci sur l'application?) ou bien très/trop poussées pour nos besoins.
Qualité: Le prof est vraiment sympa et essaye de faire participer les étudiants à travers des sondages réalisés sur Mentimeter au long du cours. Les exercices ne sont pas super bien faits car on est vraiment guidé (tuto sur quoi cliquer) mais on ne comprend pas forcément ce que l'on fait et on n'a pas vraiment de correction. Cependant le prof a mis quelques vidéos d'explications sur ilias pour certaines parties des exos.
Exam: Examen écrit de 1h ressemblant vraiment aux annales. Malgré la présence d'un certain nombre de formules effrayantes dans le cours, seulement 2 ou 3 sont prüfungsrelevant (les plus faciles) et il n'est pas demandé de faire des calculs compliqués. L'examen est plus basé sur la compréhension de ce qu'il faudrait faire dans tel ou tel cas mais il n'est pas demandé d'appliquer.
Révisions: Je conseille de faire une fiche avec tous les schémas (6 ou 7), une fiche avec le déroulé de la résolution générale d'un problème d'analyse de donnée sous forme d'organigramme (voir drive). J'ai pris environ 1 semaine et demi de révision avec un collègue et ca a vraiment aidé car on n'avait pas compris les mêmes choses et à 2 on a réussi a avoir la majorité de ce qu'il fallait savoir. Je conseille fortement les vidéos de: StatQuest with Josh Starmer sur youtube qui explique super bien certains concepts abstraits.
Conclusion: J'ai bien aimé ce cours et je le conseille même si il y avait plus de théorie que ce que j'espérais. Cela donne une bonne base sur le monde de l'analyse de donnée.
Qualité: Le prof est vraiment sympa et essaye de faire participer les étudiants à travers des sondages réalisés sur Mentimeter au long du cours. Les exercices ne sont pas super bien faits car on est vraiment guidé (tuto sur quoi cliquer) mais on ne comprend pas forcément ce que l'on fait et on n'a pas vraiment de correction. Cependant le prof a mis quelques vidéos d'explications sur ilias pour certaines parties des exos.
Exam: Examen écrit de 1h ressemblant vraiment aux annales. Malgré la présence d'un certain nombre de formules effrayantes dans le cours, seulement 2 ou 3 sont prüfungsrelevant (les plus faciles) et il n'est pas demandé de faire des calculs compliqués. L'examen est plus basé sur la compréhension de ce qu'il faudrait faire dans tel ou tel cas mais il n'est pas demandé d'appliquer.
Révisions: Je conseille de faire une fiche avec tous les schémas (6 ou 7), une fiche avec le déroulé de la résolution générale d'un problème d'analyse de donnée sous forme d'organigramme (voir drive). J'ai pris environ 1 semaine et demi de révision avec un collègue et ca a vraiment aidé car on n'avait pas compris les mêmes choses et à 2 on a réussi a avoir la majorité de ce qu'il fallait savoir. Je conseille fortement les vidéos de: StatQuest with Josh Starmer sur youtube qui explique super bien certains concepts abstraits.
Conclusion: J'ai bien aimé ce cours et je le conseille même si il y avait plus de théorie que ce que j'espérais. Cela donne une bonne base sur le monde de l'analyse de donnée.