DATA

General Data
Academic program	Formation ECAM LaSalle Spécialité Systèmes Numériques et Génie Industriel			Module Manager(s) : NERON Francois
EC Type : Lectures	DATA (LAISni06EData)
Lab Work : 16h00 Total duration: 16h00	Status Obligatoire	Period Semestre 6	Teaching language : Français

General objectives
Collecter, nettoyer, explorer et visualiser des données Manipuler des jeux de données à l’aide de bibliothèques courantes Réaliser des analyses statistiques de base Acquérir une démarche rigoureuse de traitement de données Présenter les résultats d’analyses de manière synthétique et visuelle

Content
Introduction à la manipulation de données Nettoyage et préparation des données Analyse exploratoire des données Traitement de données réelles Présentation et restitution

Corequis
Avoir un PC tournant sur un OS Windows (Power Bi étant propriétaire Windows, donc pas de mac !) Avoir l’application Power Bi Desktop installé sur le PC (installation via le Microsoft Store) Notions de base en programmation (Python recommandé) Connaissances fondamentales en mathématiques (statistiques descriptives, algèbre linéaire) Connaissance de base des structures de données (listes, dictionnaires, tableaux)

Corequis

Avoir un PC tournant sur un OS Windows (Power Bi étant propriétaire Windows, donc pas de mac !)
Avoir l’application Power Bi Desktop installé sur le PC (installation via le Microsoft Store)
Notions de base en programmation (Python recommandé)
Connaissances fondamentales en mathématiques (statistiques descriptives, algèbre linéaire)
Connaissance de base des structures de données (listes, dictionnaires, tableaux)

Bibliographie
"Python Data Science Handbook ",VanderPlas, J., (O'Reilly) "Python for Data Analysis", McKinney, W. (O'Reilly) Site officiel Pandas : https://pandas.pydata.org/ Documentation Seaborn : https://seaborn.pydata.org/ Open Data : https://www.data.gouv.fr/, https://www.kaggle.com/datasets

Assessment(s)
N°	Nature	Coefficient	Observable objectives
1	TP	1	Mise en situation réelle : les étudiants doivent trouver un jeu de données open source en ligne, l’intégrer dans Power Bi, effectuer les corrections et l’enrichissement nécessaires sur les données avant de proposer des analyses pertinentes via des éléments graphiques.