-
Tronc commun
Statistical modelling
EN
q1
30h+7.5h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Christian Hafner
Cours au choix
Choisir au moins 2 cours parmi les 5 suivants.
Machine learning and Data mining
Cours au choix
Choisir au moins 2 cours parmi les 3 suivants.
EN
q1
30h+30h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> John Lee
> John Lee (suppl茅e Michel Verleysen)
Statistical computing, data structures and algorithms for data analysis
EN
q2
30h+30h
6
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Siegfried Nijssen
Cours au choix
EN
q1
30h+22.5h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Jean-Charles Delvenne (coord.)
> Beno卯t Legat (suppl茅e Vincent Blondel)
Philosophie
Choisir maximum un cours parmi:
FR
q2
15h+15h
2
crédits
Enseignant(s):
> Alexandre Guay (suppl茅e Charles Pence)
> Herv茅 Jeanmart
> Ren茅 Rezsohazy
Activit茅s de base
L’accès au master est conditionné par la maîtrise d’ un minimum de compétences de base en mathématiques, programmation, algorithmique et probabilités statistiques. En concertation avec le conseiller aux études, des enseignements supplémentaires peuvent être imposés. Dans ce cas, un maximum de 10 crédits d’ enseignements supplémentaires pourra être inclus dans le tronc commun du master. La liste des enseignements supplémentaires est disponible dans la section "Module complémentaire".
-
Finalit茅 sp茅cialis茅e [30.0]
Contenu:
FR
q1 ou q2
20
crédits
Cours au choix de la finalit茅
Choisir 1 cours parmi les 2 suivants.
EN
q2
30h+15h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Siegfried Nijssen
-
Options et/ou cours au choix
L'茅tudiant compl猫te son programme par des unit茅s d'enseignement dans la liste ci-dessous. Avec l'accord du jury restreint, l'茅tudiant peut aussi compl茅ter son programme par un maximum de 10 cr茅dits d'unit茅s d'enseignement du portefeuille UCLouvain qu'il estimerait pertinent. L'茅tudiant peut au maximum inclure 5 cr茅dits de cours de langue dans son programme, 脿 condition que le niveau soit adapt茅 et coh茅rent avec le profil de l'茅tudiant et du programme.
-
Data in action
Contenu:
EN
q1+q2
30h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Christian Ritter
EN
q1+q2
15h
3
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Christian Ritter
> Laura Symul
-
Data sciences en linguistique et Text Mining
Maximum deux unités d'enseignement parmi les 3 suivantes:
Contenu:
-
Algorithme, informatique, optimisation, recherche op茅rationnelle
Contenu:
Cours au choix
Maximum une unit茅 d'enseignement parmi les 2 suivantes.
EN
q1
30h+15h
5
crédits
> Facilit茅s pour suivre le cours en fran莽ais
Enseignant(s):
> Etienne Riviere
-
Stage
Maximum 1 parmi les 2 suivants.
Contenu:
FR
q1 ou q2
10
crédits
FR
q1 ou q2
5
crédits
-
Data Sciences appliqu茅es 脿 la gestion
Les unit茅s d'enseignement suivantes sont donn茅es sur un demi-quadrimestre et le 3 premi猫res sont donn茅es 脿 Mons. Il est donc demand茅 aux 茅tudiants de bien v茅rifier les horaires avant de les mettre dans le programme.
Contenu:
-
Cours facultatifs
Les cr茅dits de ces cours ne sont pas comptabilis茅s dans les 120 cr茅dits requis.
Contenu:
FR
q2
30h+15h
3
crédits
Enseignant(s):
> Anne Bauwens (suppl茅e Jean-Fran莽ois Rees)
> Myriam De Kesel
-
-
Module compl茅mentaire
(concerne uniquement les 茅tudiant.es qui ont obtenu un acc猫s 脿 la formation moyennant compl茅ment de formation)
Pour acc茅der 脿 ce master, l'茅tudiant路e doit ma卯triser certaines mati猫res. Si ce n'est pas le cas, elle ou il se verra ajouter, par le Jury, au premier bloc annuel de son programme de master, les enseignements suppl茅mentaires n茅cessaires.聽
Pour acc茅der 脿 ce master, l'茅tudiant doit ma卯triser un minimum de comp茅tences de base en math茅matiques, programmation, algorithmique et probabilit茅s-statistiques. Si ce n'est pas le cas, il doit ajouter 脿 son programme de master des enseignements suppl茅mentaires. Il peut n茅anmoins inclure un maximum de 10 de ces cr茅dits dans le module de base pr茅vu dans le tronc commun du master.
Les 茅tudiants n鈥檃yant pas le niveau B1 en Anglais (niveau acquis en bachelier 脿 l鈥橴CLouvain) devront suivre le cours d鈥檃nglais LANGL1330. Un test dispensatoire est organis茅 en d茅but d鈥檃nn茅e acad茅mique.
L鈥櫭﹖udiant est invit茅 脿 rencontrer le conseiller aux 茅迟耻诲别蝉 pour d茅cider des unit茅s d'enseignement 脿 suivre et son programme devra ensuite 锚tre approuv茅 par le jury restreint. 聽
Math茅matique - Analyse et alg猫bre lin茅aire
Chacun des 3 modules suivants permet d'acqu茅rir des comp茅tences semblables:
Module 1
Module 2
Module 3
笔谤辞产补产颈濒颈迟茅蝉 et Statistique
Chacun des 4 modules suivants permet d'acqu茅rir des comp茅tences semblables:
Module 1
Module 2
Module 3
Module 4
Programmation et informatique
Les comp茅tences li茅es 脿 ces trois unit茅s d'enseignement doivent 锚tre acquises par l'茅tudiant :
Autres activit茅s pr茅-requises
Les UEs ci-dessous peuvent 茅ventuellement 锚tre ajout茅s au programme de l'茅tudiant en cas d'admission sur dossier. Le choix de ces cours se fera en concertation avec le conseiller aux 茅迟耻诲别蝉.
EN
q1 ou q2
20h
3
crédits
Enseignant(s):
> St茅phanie Brabant
> Charline Coduti (suppl茅e Anne-Julie Toubeau)
> Estelle Dagneaux
> Jean-Luc Delghust
> Aur茅lie Deneumoustier
> Fanny Desterbecq
> Marie Duelz
> Claudine Grommersch
> Sandrine Mulkers (coord.)
> Yannick Paquin (suppl茅e Anne-Julie Toubeau)
> Marc Piwnik (coord.)
> Fran莽oise Stas
St茅phanie Brabant, Charline Coduti (suppl茅e Anne-Julie Toubeau), Estelle Dagneaux, Jean-Luc Delghust, Aur茅lie Deneumoustier, Fanny Desterbecq, Marie Duelz, Claudine Grommersch, Sandrine Mulkers (coord.), Yannick Paquin (suppl茅e Anne-Julie Toubeau), Marc Piwnik (coord.), Fran莽oise Stas
Autres UE 脿 d茅terminer avec le conseiller aux 茅迟耻诲别蝉
En fonction de son parcours acad茅mique ant茅rieur, l'茅tudiant (en concertation avec le conseiller aux 茅迟耻诲别蝉), pourra ajouter d'autres UE afin d'acqu茅rir les pr茅requis n茅cessaires au programme.
DATS2M - Louvain-la-Neuve
