Skip to content
chagazPublic

About

Cours de science des données en 1A à Mines Paris - PSL (2025)

Resources

Stars

10 stars

Watchers

1 watching

Forks

Latest commit

 

History

64 Commits

Folders and files

Repository files navigation

UE 21.2 EC Science des données

Cours « science des données » à Mines Paris (2025). License: CC BY-SA 4.0

Organisation de ce repo

  • environment.yml permet de charger l'environnement conda pour les notebooks via l'interface graphique d'Anaconda ou
   conda env create -f environment.yml -n sdd2025
   conda activate sdd2025

(Vous pouvez aussi utiliser mamba plutôt que conda, mamba est plus rapide et s'installe via conda install mamba.)

Notez que cet environnement vous fait utiliser JupyterLab et non pas Jupyter Notebook. JupyterLab est plus moderne et plus agréable d'utilisation (voir la documentation). En particulier, JupyterLab permet de copier des cellules entre notebooks, et l'extension "Table of contents" qui facilite la navigation dans un notebook y est native.

  • poly/ contient tous les fichiers permettant de compiler le poly. La dernière version compilée à jour s'intitule sdd_2025_poly.pdf
  • pc/ contient un répertoire par PC
  • projet/ contient les données et instructions relatives au projet numérique

Équipe pédagogique

  • Responsables de cours : Chloé-Agathe Azencott et Émilie Chautru
  • Chargé·e·s d'enseignement : Valentin Alleaume, Katia Antonenko, Antoine Bottenmuller, Julie Cartier, Théo Dumont, Paul Etheimer, Thibault Faney, Daniel Mimouni, et Marie Verbanck.

Emploi du temps

  • lundi 2/06 :

    • 13h45-15h15 : amphi 1 — Introduction et statistique descriptive (Chapitres 1 & 2)
    • 15h30-17h00 : amphi 2 — Techniques d'estimation (Chapitre 3)
  • vendredi 6/06 :

    • 13h45-15h15 : PC 1 — Estimation (TD)
    • 15h30-17h00 : amphi 3 — Tests statistiques (Chapitre 4)
  • vendredi 13/06 :

    • 13h45-15h15 : PC 2 — Test statistiques (TD)
    • 15h30-17h00 : amphi 4 — Réduction de dimension (Chapitre 5)
  • lundi 16/06 :

    • 13h45-15h15 : PC 3 — Réduction de dimension (TP)
    • 15h30-17h00 : amphi 5 — Introduction à l'apprentissage supervisé (Chapitre 7)
  • vendredi 20/06 :

    • 13h45-15h15 : Mini-projet numérique (1)
    • 15h30-17h00 : amphi 6 — Bonnes pratiques (Chapitre 6)
  • lundi 23/06 :

    • 13h45-15h15 : PC 4 — Pré-traitement & introduction à scikit-learn pour l'apprentissage supervisé (TP)
    • 15h30-17h00 : amphi 7 — Généralisation (Chapitre 8)
  • vendredi 27/06 :

    • 13h45-15h15 : PC 5 — Sélection de modèles (TP)
    • 15h30-17h00 : amphi 8 — Modèles d'apprentissage supervisé non-linéaires (Chapitre 9)
  • lundi 7/07 :

    • 13h45-15h15 : PC 6 — Modèles linéaires pour la classification (TD)
    • 15h30-17h00 : Mini-projet numérique (2)
  • jeudi 10/07 13h45-17h : examen écrit et rendu de projet numérique.

Modalités d'évaluation

  • mini-projet numérique à réaliser en binôme. Deux séances de PC y sont dévouées (le 20/06 et le 7/07). À rendre le 10/07 (30%).
  • examen sur table avec documents autorisés le 10/07 (70%).

Pour contribuer à ce repo Ce repo contient un script pre-commit.sh qui permet de le nettoyer (supprimer les fichiers auxiliaires de latex, nettoyer les notebooks avec nbstripout).

Il est possible de lancer automatiquement ce script lors d'un git commit grâce à un hook. Pour cela, il suffit de le copier dans le fichier .git/hooks/pre-commit ou d'utiliser un lien symbolique (pour conserver le contrôle de version) :

    cd .git/hooks/
    ln -s ../../pre-commit.sh pre-commit

About

Cours de science des données en 1A à Mines Paris - PSL (2025)

Resources

Stars

10 stars

Watchers

1 watching

Forks

Releases

Packages

Contributors

Languages