Master — Statistique appliquée
Objectifs de développement durable : 3Bonne santé et bien-être
Comprendre ce tableau
- UE : unité d'enseignement, un groupe de matières (fondamentale, méthodologique, découverte, transversale).
- Cours · TD · TP : heures par semaine : cours en amphi, travaux dirigés, travaux pratiques.
- Coefficient / Crédits : poids de la matière dans la moyenne, et crédits acquis quand la matière est validée (30 par semestre).
- Volume semestriel (15 semaines) : total des heures encadrées sur le semestre (15 semaines × heures hebdomadaires).
- Travail personnel : « Autre » : travail complémentaire personnel de l'étudiant, non encadré.
Semestre 1 M1
30 crédits 400h30 heures par semestre Cours 10h30 TD 10h30 TP 6h00
-
Analyse de données (1) Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Processus et leurs statistiques Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Techniques et méthodes descriptives de datamining (1) Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Statistique mathématique Cours 1h30TD 3h00 63h00 5 crédits × 3
-
Statistique appliquée au domaine de la santé Cours 1h30TP 1h30 45h00 4 crédits × 2
-
Entrepreneuriat Cours 1h30TD 1h30 45h00 2 crédits × 2
-
Anglais Cours 1h30TD 1h30 45h00 1 crédit × 1
Total du semestre : 30 crédits · 400h30 · Coefficient 17
Semestre 2 M1
30 crédits 393h30 heures par semestre Cours 10h00 TD 6h00 TP 11h00
-
Séries chronologiques Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Analyse exploratoire des données Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Modèle linéaire Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Recherche opérationnelle Cours 1h30TD 1h30TP 1h00 56h00 5 crédits × 3
-
Réseaux de neurones 1 Cours 1h30TP 1h30 45h00 4 crédits × 2
-
R logiciel Cours 1h00TP 2h00 45h00 2 crédits × 2
-
Intelligence artificielle appliquée à la statistique Cours 1h30TP 2h00 45h00 1 crédit × 1
Total du semestre : 30 crédits · 393h30 · Coefficient 17
Semestre 3 M2
30 crédits 371h00 heures par semestre Cours 11h30 TD 5h30 TP 8h00
-
Plans d'expérience Cours 1h30TD 3h00 67h30 6 crédits × 3
-
Techniques et méthodes prédictives de datamining (2) Cours 1h30TD 1h30TP 1h30 67h30 6 crédits × 3
-
Réseaux de neurones (2) Cours 3h00TP 1h30 67h30 6 crédits × 3
-
Analyse de données (2) Cours 1h30TD 1h00TP 1h30 56h00 5 crédits × 3
-
Théorie de l'apprentissage Cours 1h30TP 1h30 45h00 4 crédits × 2
-
Python Cours 1h00TP 2h00 45h00 2 crédits × 2
-
Latex Cours 1h30 22h30 1 crédit × 1
Total du semestre : 30 crédits · 371h00 · Coefficient 17
Semestre 4 M2
30 crédits 520h00 heures par semestre Cours 0h TD 0h TP 0h
-
Travail personnel 210h00 12 crédits × 12
-
Stage en entreprise 210h00 12 crédits × 12
-
Mémoire 100h00 6 crédits × 6
Total du semestre : 30 crédits · 520h00 · Coefficient 30