Passer au contenu principal
La Plateforme E-Learning de IPNet Institute of Technology
Tableau de bord
Mes cours
Support & Assistance
DSC 394 : Data Science Project
0%
Le mode Focus est activé. Cliquez sur l ‘icône de réduction’ pour le fermer.
Précédent
Données du cours
OBJECTIFS ET DESCRIPTION DU COURS
Prérequis
RESULTATS D'APPRENTISSAGE (LEARNING OUTCOMES)
CRITERES D'EVALUATION (LEARNING ASSESSMENT CRITERIA)
EVALUATION DE L'APPRENTISSAGE & PONDERATION
SYLLABUS, LIVRES & AUTRES SUPPORTS DE COURS
Semaine 1 : Présentation du cours et introduction au projet de data science
Semaine 2 : Choix de la problématique et cadrage du projet
Semaine 3 : Collecte et compréhension des données
Semaine 4 : Nettoyage et préparation des données
Semaine 5 : Analyse exploratoire des données (EDA)
Semaine 6 : Examen de mi-parcours
Semaine 7 : Choix des modèles et approche de modélisation
Semaine 8 : Entraînement et évaluation des modèles
Semaine 9 : Optimisation et amélioration des modèles
Semaine 10 : Interprétation des résultats et visualisation avancée
Semaine 11 : Finalisation du projet et préparation de l’examen final
Semaine 12 : Examen final
Suivant
Panneau latéral
Catégories
Toutes les catégories
Cybersécurité (Ref:CSEC)
COMMUNICATION INSTITUTIONNELLE
Génie Logiciel (Ref:SE)
Développement Web (Ref:IT)
Réseaux & Télécommunications (Ref:NET, GIF)
Développement Mobile (Ref:IT 251, IT 372, CSC 372)
Programmation informatique (Ref:CSC)
Design Graphique (Ref:GD)
Design de l’Expérience Utilisateur (UX Design) (Ref:UXD)
Mathématiques (Ref:MAT)
Système d’Information (Ref:SIO)
Microsoft Azure Certification (Ref:AZ)
AWS Certification
Economie, Gestion, Droit (Ref:MGT)
Marketing Digital (Ref:MKT)
E-Commerce (Ref:ECT)
Gestion de Projet (Ref:CAPM)
Entrepreneuriat Numérique (Ref:DEN)
Projet Professionnel (Ref:PPE)
Linux (Ref:RHA-124, RHA 134)
Management
Probabilités Statistiques (Ref:IT)
Sciences de Données (Ref:DSC)
Communication (Ref: COM)
Base de Données
Intelligence Artificielle
IA & Informatique pour collégiens, lycéens et autodidactes
Formation du personnel de IPNet Institute of Technology
Formation des formateurs de IPNet Institute of Technology
IA et outils numériques pour enseignants et formateurs
PROMOTIONS 2025
LICENCES COURS DU JOUR
SEMESTRE 1
SEMESTRE 2
SEMESTRE 3
SEMESTRE 4
SEMESTRE 5
SEMESTRE 6
PROMOTION OCTOBRE 2025
TRIMESTRE 1
Formations Développement Personnel Etudiants IPNET
Accueil
Calendrier
Edwiser Forms
Catégories
Cours
Pages
A Propos
Annonces
Se connecter
S'Enregistrer
IPNET IXP Hybride E-learning
Manuels de procédures
Contact
Rechercher
Rechercher
Rechercher
Rechercher
Fermer
Activer/désactiver la saisie de recherche
Vous êtes connecté anonymement
Connexion
Catégories
Replier
Déplier
Toutes les catégories
Cybersécurité (Ref:CSEC)
COMMUNICATION INSTITUTIONNELLE
Génie Logiciel (Ref:SE)
Développement Web (Ref:IT)
Réseaux & Télécommunications (Ref:NET, GIF)
Développement Mobile (Ref:IT 251, IT 372, CSC 372)
Programmation informatique (Ref:CSC)
Design Graphique (Ref:GD)
Design de l’Expérience Utilisateur (UX Design) (Ref:UXD)
Mathématiques (Ref:MAT)
Système d’Information (Ref:SIO)
Microsoft Azure Certification (Ref:AZ)
AWS Certification
Economie, Gestion, Droit (Ref:MGT)
Marketing Digital (Ref:MKT)
E-Commerce (Ref:ECT)
Gestion de Projet (Ref:CAPM)
Entrepreneuriat Numérique (Ref:DEN)
Projet Professionnel (Ref:PPE)
Linux (Ref:RHA-124, RHA 134)
Management
Probabilités Statistiques (Ref:IT)
Sciences de Données (Ref:DSC)
Communication (Ref: COM)
Base de Données
Intelligence Artificielle
IA & Informatique pour collégiens, lycéens et autodidactes
Formation du personnel de IPNet Institute of Technology
Formation des formateurs de IPNet Institute of Technology
IA et outils numériques pour enseignants et formateurs
PROMOTIONS 2025
LICENCES COURS DU JOUR
SEMESTRE 1
SEMESTRE 2
SEMESTRE 3
SEMESTRE 4
SEMESTRE 5
SEMESTRE 6
PROMOTION OCTOBRE 2025
TRIMESTRE 1
Formations Développement Personnel Etudiants IPNET
Accueil
Calendrier
Edwiser Forms
Catégories
Cours
Pages
Replier
Déplier
A Propos
Annonces
Se connecter
S'Enregistrer
IPNET IXP Hybride E-learning
Manuels de procédures
Contact
Tout déplier
Tout replier
Menu du cours
Ouvrir l’index du cours
Sciences de Données (Ref:DSC)
DSC 394 : Data Science Project
Résumé de section
Sélectionner la section OBJECTIFS ET DESCRIPTION DU COURS
OBJECTIFS ET DESCRIPTION DU COURS
Replier
Déplier
Tout replier
Tout déplier
Sélectionner la section Prérequis
Prérequis
Replier
Déplier
Sélectionner la section RESULTATS D'APPRENTISSAGE (LEARNING OUTCOMES)
RESULTATS D'APPRENTISSAGE (LEARNING OUTCOMES)
Replier
Déplier
Sélectionner la section CRITERES D'EVALUATION (LEARNING ASSESSMENT CRITERIA)
CRITERES D'EVALUATION (LEARNING ASSESSMENT CRITERIA)
Replier
Déplier
Sélectionner la section EVALUATION DE L'APPRENTISSAGE & PONDERATION
EVALUATION DE L'APPRENTISSAGE & PONDERATION
Replier
Déplier
Sélectionner la section SYLLABUS, LIVRES & AUTRES SUPPORTS DE COURS
SYLLABUS, LIVRES & AUTRES SUPPORTS DE COURS
Replier
Déplier
Sélectionner la section Semaine 1 : Présentation du cours et introduction au projet de data science
Semaine 1 : Présentation du cours et introduction au projet de data science
Replier
Déplier
Sélectionner la section Semaine 2 : Choix de la problématique et cadrage du projet
Semaine 2 : Choix de la problématique et cadrage du projet
Replier
Déplier
Sélectionner la section Semaine 3 : Collecte et compréhension des données
Semaine 3 : Collecte et compréhension des données
Replier
Déplier
Sélectionner la section Semaine 4 : Nettoyage et préparation des données
Semaine 4 : Nettoyage et préparation des données
Replier
Déplier
Sélectionner la section Semaine 5 : Analyse exploratoire des données (EDA)
Semaine 5 : Analyse exploratoire des données (EDA)
Replier
Déplier
Sélectionner la section Semaine 6 : Examen de mi-parcours
Semaine 6 : Examen de mi-parcours
Replier
Déplier
Sélectionner la section Semaine 7 : Choix des modèles et approche de modélisation
Semaine 7 : Choix des modèles et approche de modélisation
Replier
Déplier
Sélectionner la section Semaine 8 : Entraînement et évaluation des modèles
Semaine 8 : Entraînement et évaluation des modèles
Replier
Déplier
Sélectionner la section Semaine 9 : Optimisation et amélioration des modèles
Semaine 9 : Optimisation et amélioration des modèles
Replier
Déplier
Sélectionner la section Semaine 10 : Interprétation des résultats et visualisation avancée
Semaine 10 : Interprétation des résultats et visualisation avancée
Replier
Déplier
Sélectionner la section Semaine 11 : Finalisation du projet et préparation de l’examen final
Semaine 11 : Finalisation du projet et préparation de l’examen final
Replier
Déplier
Sélectionner la section Semaine 12 : Examen final
Semaine 12 : Examen final
Replier
Déplier
