• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

Business intelligence et big data

  • Niveau d'étude

    Bac +5

  • ECTS

    3 crédits

  • Composante

    Sciences Fondamentales et Appliquées

  • Période de l'année

    Semestre 3

Description

Cet UE propose une introduction à l’informatique décisionnelle. Le but de ce module est d’être capable de mettre en place un système décisionnel à des fins d’analyse. On y aborde notamment les techniques de prédiction et de prise de décision automatiques par algorithmes auto-apprenants à partir de données brutes et données étiquetées (intelligence artificielle/data science).

Lire plus

Objectifs

      • Principales notions liées à l’informatique décisionnelle et aux données massives : entrepôt de données, datamart, OLAP, processus ETL, caractéristiques des données massives.
      • Modélisation d’un entrepôt de données : modélisation multidimensionnelle, hypercube OLAP, stockage ROLAP, MOLAP et HOLAP, schéma en étoile et flocon de neige.
      • Interrogation d’un entrepôt de données : algèbre OLAP, extension SQL pour OLAP.
      • Savoir prédire l'évolution et/ou l'appartenance d'un ensemble de données brutes à partir d'une base d'apprentissage.

 

Lire plus

Heures d'enseignement

  • TDTD6h
  • TPTP12h
  • CMCM7h

Pré-requis obligatoires

Avoir suivi un cours d'introduction aux bases de données (conception, modèle relationnel, normalisation, SQL). Savoir programmer en langage Python.

Lire plus

Programme détaillé

  • Notions principales : entrepôt de données, datamart, OLAP, processus ETL, caractéristiques des données massives.
  • Modélisation multidimensionnelle : faits, dimensions, hypercube OLAP, stockage ROLAP, MOLAP et HOLAP, schéma en étoile et flocon de neige.
  • Processus ETL : extraction, transformation, nettoyage, chargement des données, notion de référentiel et métadonnées.
  • Requêtes OLAP : algèbre OLAP (drill-down, pivot, etc.), extension SQL pour OLAP.
  • Approche méthodologique en analyse de données par intelligence artificielle : recueil du besoin, pré-étude, métriques de performance, choix d’algorithme, développement, tests et validation.
  • Présentation d’algorithmes auto-apprenants (boosting, réseaux de neurones artificiels, arbres de décision…)
Lire plus

Compétences visées

Mettre en place un système décisionnel permettant de regrouper les données d'une entreprise à des fins d'analyse :

  • concevoir et implémenter un entrepôt de données ;
  • définir le processus ETL permettant de peupler un entrepôt de données.

Exploiter un système décisionnel :

  • définir des requêtes OLAP pour interroger un entrepôt de données ;
  • faire du reporting afin d'afficher les résultats de requêtes OLAP sous une forme adaptée ;
  • Maîtriser les différentes problématiques de l’apprentissage supervisé.
Lire plus