Cette UE vise à faire introduire les grands enjeux éthiques et sociétaux liés au phénomène “Big Data” ainsi les enjeux méthodologiques et scientifiques en rapport a l’analyse des nouveaux types de données massives : temporelles, commentaires, hétérogènes… Il s’agit en particulier de comprendre, appréhender et mettre en oeuvre des méthodes d’analyse de ces données en l’absence de connaissances formalisées.

À l'issue de cette UE un étudiant saura :
Définir les principales caractéristiques des masses de données et les défis scientifiques, techniques et sociétaux associés.
Mettre en place des approches non supervisées classiques (clustering, association et motifs) ou basées sur l’apprentissage profond (Deep learning) por l’analyse de séries temporelles
Comprendre et utiliser des approches collaboratives, semi-supervisées ou guidées.

À l'entrée de cette UE, un étudiant devrait savoir :
- Capacité à mettre en oeuvre les méthodes et techniques statistiques d’analyse de données
- Connaître et savoir mettre en oeuvre l’extraction de connaissances à partir de données par des approches supervisées
- Manipuler les principaux outils d'exploration et valorisation des données : R ou Python-scikit-learn