2025-2026

Avenue Victor Maistriau 8a
7000 Mons

Fiche ects de l'unité d'enseignement #3493 intitulée :

Compléments en Big Data

Master en Sciences de l'Ingénieur industriel / orientation Informatique / Cycle 2 Bloc 1
- option Intelligence artificielle et Big Data
- option Intelligence artificielle et Big Data - Passerelle

Master en Sciences de l'Ingénieur industriel orientation Life data technologies / Cycle 2 Bloc 1

Informations

Responsable d'UE : Samuel CREMER

Bloc : MA1 Info, MA1 LDT

Période : 2^e quadrimestre

Durée : 30 h

Crédits : 2 ects

UE Prérequises : aucune

UE Corequises :

Bases de données avancées

Activité d'apprentissage (AA)

Projet de recherche appliquée en Big Data : 30 h, Samuel CREMER

Connaissances et compétences préalables

Cours de Bases de données avancées (MA1 Q1)

Contribution aux objectifs de développement durable

Objectif 4 : Assurer l’accès de tous à une éducation de qualité, sur un pied d’égalité, et promouvoir les possibilités d’apprentissage tout au long de la vie

4.3 D’ici à 2030, faire en sorte que les femmes et les hommes aient tous accès dans des conditions d’égalité à un enseignement technique, professionnel ou tertiaire, y compris universitaire, de qualité et d’un coût abordable.
4.4 D’ici à 2030, augmenter considérablement le nombre de jeunes et d’adultes disposant des compétences, notamment techniques et professionnelles, nécessaires à l’emploi, à l’obtention d’un travail décent et à l’entrepreneuriat.

Objectif 9 : Bâtir une infrastructure résiliente, promouvoir une industrialisation durable qui profite à tous et encourager l’innovation

9.c Accroître nettement l’accès aux technologies de l’information et de la communication et faire en sorte que tous les habitants des pays les moins avancés aient accès à Internet à un coût abordable d’ici à 2020.

Contribution aux objectifs du référentiel de compétences de l'ARES

Identifier, conceptualiser et résoudre des problèmes complexes
- Intégrer les savoirs scientifiques et technologiques afin de faire face à la diversité et à la complexité des problèmes rencontrés
- Analyser des produits, processus et performances, de systèmes techniques nouveaux et innovants
- Concevoir, développer et améliorer des produits, processus et systèmes techniques
- Modéliser, calculer et dimensionner des systèmes
- Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique
- Établir ou concevoir un protocole de tests, de contrôles et de mesures.
Concevoir et gérer des projets de recherche appliquée
- Réunir les informations nécessaires au développement de projets de recherche
- Réaliser des simulations, modéliser des phénomènes afin d’approfondir les études et la recherche sur des sujets technologiques ou scientifiques
- Mener des études expérimentales, en évaluer les résultats et en tirer des conclusions
- Valider les performances et certifier les résultats en fonction des objectifs attendus
S’intégrer et contribuer au développement de son milieu professionnel
- Planifier le travail en respectant les délais et contraintes du secteur professionnel (sécurité …)
- Travailler en autonomie et en équipe dans le respect de la culture d’entreprise
Communiquer face à un public de spécialistes ou de non-spécialistes, dans des contextes nationaux et internationaux
- Maitriser les méthodes et les moyens de communication en les adaptant aux contextes et aux publics
- Communiquer dans une ou plusieurs langues étrangères

Acquis d'apprentissage spécifiques

Etre capable de choisir, de déployer et d'utiliser les technologies les plus a adaptées à un problèem donné pour des problématiques de type Big Data

Contenu de l'AA

Après un rappel téhorique sur les paradigmes et concepts du Big Data, le cours sera essentielment pratique et centré sur la création d'un pipeline de données mélangeant différentes technologies comme le streaming de données, le map reduce, les wide column stores, les document stores, les moteurs de recherche, etc.

Répartition des heures

6 h de théorie, 24 h d'exercices/Labos

Méthodes d'enseignement

Cours magistral, travaux de groupes, approche interactive, approche par situation problème, approche avec TIC, étude de cas, utilisation de logiciels

Langues d'enseignement

Français, anglais

Supports

Copies de présentations, protocoles de laboratoires

Ressources bibliographiques

Évaluation et pondération

Méthode d'évaluation : note globale à l'UE

Langues d'évaluation : français, anglais

Modalités d'évaluation :

Les étudiants devront réaliser un ou plusieurs projets durant les heures de cours. Ce ou ces projets seront accompagnés de rapports en anglais. L'évaluation portera sur la qualité des délivrables réalisés ainsi que l'implication des étudiants pendant les heures de cours.