Aller à : contenu haut bas recherche
 
 
EN     FR
Vous êtes ici:   UNIL > HEC Inst. > HEC App. > SYLLABUS
 
 

Business Intelligence and Analytics

  • Enseignant(s):   M.Vlachos   B.Chapuis  
  • Titre en français: Business Intelligence and Analytics (FR)
  • Cours donné en: français
  • Crédits ECTS: 4.5 crédits
  • Horaire: Semestre de printemps 2019-2020, 2.0h. de cours + 2.0h. d'exercices (moyenne hebdomadaire)
  •  séances
  • site web du cours site web du cours
  • Formations concernées:
    Baccalauréat universitaire ès Sciences en management

    Baccalauréat universitaire ès Sciences en économie politique

    Baccalauréat universitaire en sciences économiques

 

Objectifs

Les entreprises collectent de grandes quantités de données sur leurs clients: historique des achats, réponses aux événements de marketing, journalisation des recherches sur le Web, etc. Dans l'économie actuelle, les données peuvent aider les entreprises à mieux comprendre leurs clients et à prendre des décisions commerciales plus éclairées.

L'objectif de ce cours est d'introduire des concepts en intelligence d’affaires (Business Intelligence) et en analyse de données (Data Analytics). Durant ce cours, nous passerons en revue plusieurs méthodes pour extraire et manipuler des données (SQL), visualiser des données et prendre des décisions prédictives à partir de données. Nous soulignerons également les pièges potentiels liés à ces méthodes. Les étudiants expérimenteront ces sujets de manière pratique avec du code Python.

  • Groupe A: anglais
  • Groupe B: français

Contenus

Les étudiants qui terminent le cours comprendront les concepts suivants:

  • Interrogation de données à l'aide de SQL
  • Visualisation de données
  • Concepts d'exploration des données et d'apprentissage automatique ( régression, clustering, classification, règles d'association)

Références

Le matériel de cours consistera en notes/slides fournies par le professeur.

Lecture recommandée (mais pas obligatoire)

- “Business Analytics: The Science of Data-Driven Decision Making”, U. Dinesh Kumar (Publisher: Wiley)

Pré-requis

  • Il faut avoir suivi le cours « Modèles Informatiques » en première année.
  • Connaissance de la programmation en Python sera utile.

Projet individuel

- Description des modalités du projet : -
- Nombre maximal de projets admis pour ce cours : -
- Dernière date de demande d'admission auprès du professeur du cours concerné : -
- Dernière date de soumission du projet fini : -
- Modalités d'évaluation et de rattrapage : -
- Autres remarques :-

Evaluation

1ère tentative

Examen:
Sans examen (cf. modalités)  
Evaluation:
  • Examen "mid-term" (Moodle): 1 heure
  • Examen final (Moodle): 1.5 heures (dans la dernière semaine de cours)
  • Evaluation: Si la note de l'examen "mid-term" est plus grande que celle de l'examen final, elle est prise en compte comme suit: la note finale est obtenue en comptant 70% de la note de l'examen final et 30% de la note de l'examen "mid-term". Si la note de l'examen "mid-term" est plus petite que celle de l'examen final, elle n'est pas prise en compte, i.e., la note finale est la note de l'examen final. Il en est de même en cas d'absence à l'examen "mid-term".
  • Travaux personnels (Moodle). Au maximum 0.5/6 points de bonus

Rattrapage

Examen:
Ecrit 1.5 heures
Documentation:
Autorisée
Calculatrice:
Autorisée
Evaluation:

Examen sur Moodle (100% de la note)



[» page précédente]           [» liste des cours]
 
Recherche


Internef - CH-1015 Lausanne - Suisse  -   Tél. +41 21 692 33 00  -   Fax +41 21 692 33 05
Swiss University