Acquis d'apprentissage

- Comprendre le contexte commercial et le paysage de l'analyse des données.

- Appliquer et comprendre les différentes étapes d’un processus analytique.

- Comprendre les modèles analytiques les plus importants.

- Quand (et quand ne pas) utiliser les techniques analytiques appropriées.

- Pensée critique à l'égard des méthodes analytiques.

 

Objectifs

L'objectif de ce cours est de fournir aux étudiants une compréhension complète de l'analyse quantitative du monde des affaires. Le cours se concentre sur la manière dont les modèles analytiques (c'est-à-dire les modèles descriptifs, prédictifs et prescriptifs) peuvent être utilisés pour transformer les données en informations exploitables pour la prise de décision. L'analyse quantitative d'entreprise est un domaine de recherche interdisciplinaire qui se situe à l'intersection de la recherche opérationnelle, des systèmes d'information et de l'apprentissage automatique, dans le but d'analyser les ensembles de données de grandes dimensions (« big data ») et d'extraire des modèles significatifs qui aident les organisations à résoudre les problèmes et à améliorer les performances de l'entreprise.

Tout au long du cours, les étudiants auront un aperçu des sujets clés suivants :

  1. Comprendre les concepts de base, les définitions et le processus global d'analyse, ainsi qu'explorer les applications pratiques de l'analyse dans diverses industries.
  2. Apprendre des techniques pour nettoyer, normaliser et préparer les données brutes pour l'analyse, en assurant la qualité et la fiabilité des données pour une modélisation précise.
  3. Maîtriser les techniques de regroupement et de réduction de la dimensionnalité pour résumer les données et découvrir des modèles ou des regroupements inhérents dans de grands ensembles de données.
  4. Appliquer des techniques de modélisation prédictive en utilisant des modèles linéaires et non linéaires, ainsi que des modèles d'intelligence artificielle avancés tels que les réseaux neuronaux.
  5. Extraire des informations de sources de données non structurées, telles que des données textuelles, et apprendre à traiter et à analyser des informations textuelles pour en tirer des conclusions significatives.

À la fin du cours, les étudiants auront une connaissance théorique et pratique des différentes méthodes d'analyse commerciale et connaîtront un éventail de méthodes analytiques pour résoudre les problèmes commerciaux du monde réel et améliorer la prise de décision.

 

 

 

 

Contenu

  1. Introduction à l'analyse : concepts, définition, processus d'analyse et applications
  2. Prétraitement des données
  3. Analyse descriptive : regroupement et réduction de la dimensionnalité
  4. Analyse prédictive : modèles linéaires, modèles non linéaires et modèles d'IA
  5. Exploration de texte et traitement du langage naturel

 

 

Méthodes d'enseignement

Des sessions « ex cathedra » au cours desquelles la théorie est expliquée et les applications de l'analytique sont fournies. Dans chaque session, des questions à choix multiples seront proposées et résolues ensemble.

Méthode d'évaluation

100% de la note finale : examen écrit composé de 20 questions à choix multiples (50%) et de plusieurs questions ouvertes (50%). Les questions à choix multiples et les questions ouvertes couvriront des questions théoriques et appliquées.

Langue d'instruction