Licence en Informatique (Università degli Studi di Milano)

Cet enseignement vise à introduire les bases de la statistique descriptive, du calcul des probabilités et de la statistique inférentielle paramétrique.

Résultats attendus

Les étudiants seront capables d'effectuer des simples analyses exploratoires et des inférences sur jeux de données, ils connaîtront les principales distributions de probabilités et pourront comprendre les analyses statistiques effectuées par d'autres; de plus, ils connaîtront des méthodes simples pour le problème de classification binaire et pourront évaluer leurs performances. Les étudiants vont aussi acquerir les compétences fondamentales pour étudier des techniques plus sophistiquées d'analyse et de modélisation des données.

Langue

Les leçons sont en italien.

Horaires du cours

Les cours ont lieu en présentiel, pendant le deuxième semestre, au secteur "Città studi". Le calendrier est le suivant:

Jour Heure Lieu
mardi 10:30 - 12:30 G11 (Via Golgi)
jeudi 13:30 - 16:30 Aula Magna (Dip. di Informatica)

Tout changement à l'horaire sera annoncé en classe et publié dans la section Infos de cette page.

Heures de bureau

Sur rendez-vous, salle 5015 du Département d'Informatique. Il est possible contacter l'enseignant par e-mail, en prenant soin de lire à l'avance le guide préparé par le professeur Sebastiano Vigna et précisant clairement dans le message le nom du cours et l'année scolaire. En particulier, les étudiants sont encouragés à toujours utiliser leur adresse académique (c'est à dire celui basée sur la domaine studenti.unimi.it) en signant avec nom et numéro d'identification et rappelant que le temps de réponse peut varier en fonction des engagements de l'enseignant.

Materiel bibliographique

La partie de statistique descriptive est décrite dans les premiers trois chapitres du livre Introductory statistics, Academic press, 2010, ISBN 9780123743886 (indiqué par RS dans le calendrier des leçons). Ces chapitres (de l'édition en langue italienne) sont téléchargeables en s'authentifiant avec led modalités décrites précédemment.

Les autres parties du cours font princiaplement référence au livre: Ross, S., Introduction to Probability and Statistics for Engineers and Scientists, Academic press, 2020, ISBN 9780128243466 (indiqué par RPS dans le calendrier des leçons).

Des notes de cours sur des sujets qui ne sont pas traités sur les livres adoptés sont disponibles sur un dépôt github, ainsi que en forme directement exécutable dans un navigateur Web.

Le livre Wess McKinney, Python for Data Analysis, third edition, O'Reilly 2022, permet d'approfondir la connaissance de Python. Une version Web de ce livre est disponible.

Programme

Le programme fait référence aux arguments detaillés dans le calendrier des leçons.

Prérequis

Les étudiants doivent avoir réussi l'examen de «Analyse mathématique»; en plus de cela, le cours nécessite une connaissance des principaux sujets de programmation, et avoir réussi l'examen de "Mathématiques discrètes" est fortement suggéré.

Calendrier des leçons

Loading...

Modalités d'examination

Les étudiant.e.s doivent s'inscrire à la session d'examen pour être admis.es aux épreuves écrites.

L'examen se compose d'un test écrit et d'un test oral, l'une et l'autre concernant sujets traités dans le cours. Le test écrit se déroule dans une salle informatique et a une durée de deux heures et demie. Il est basé sur des questions ouvertes et sur l'analyse d'un jeu de données grâce à l'application adéquate des techniques statistiques décrites pendant les cours. L'évaluation, avec une note de réussite / échec, prend en compte le niveau de maîtrise des sujets et l'utilisation correcte du formalisme mathématique.

L'épreuve orale, qui est accessible après avoir réussi celle écrite, est basée sur la discussion des réponses à l'épreuve écrite et sur des questions concernant les sujets traités dans le cours. Son évaluation, exprimée sur une échelle entre 0 et 30, prend en compte le niveau de maîtrise des sujets, la clarté, les compétences linguistiques et la bonne utilisation du jargon technique.

Sessions d'examen

Session Date
juin 10/06/2025
juillet 01/07/2025
septembre 15/09/2025
janvier N/A
février N/A
février N/A