Ce cours a pour but de préparer les étudiants à l’analyse des données scientifiques. Les types de données rencontrés dans le domaine de la physique sont aujourd’hui connues et les outils d’analyse correspondants sont aussi disponibles. Ainsi ce cours pourra servir de base pour que l’étudiant prenne conscience des méthodes d’analyse de données spécifiques du domaine de la recherche appliquée, couvrant les données considérées gérables sur un simple ordinateur personnel et les données massives qui requiert des algorithmes de traitement plus spécifiques.

Temps présentiel : 20 heures

Charge de travail étudiant : 100 heures

Méthode(s) d'évaluation : Examen final, Projets

Référence :
• Numerical Recipes, The Art of Scientific Computing, Saul Teukolsky, Brian P. Flannery, William T. Vetterling, and William H. Press. • Root online tutorials, (manuel en ligne) https://root.cern.ch/root/html/tutorials/ • Data Clustering: Algorithms and Applications, Charu C. Aggarwal, Chandan K. Reddy, Series: Chapman & Hall/CRC Data Mining and Knowledge Discovery Series. • An introduction to R, (manuel en ligne) https://cran.r-project.org/doc/manuals/r-release/R-intro.html • Pattern recognition and machine learning, Christopher M. Bishop, Information science and statistics, Springer (2006).