Logo HELdB
Domaine : Sciences de l'ingénieur et technologie
Section : Master en Sciences de l'Ingénieur Industriel
Option : Orientation - Tronc commun
Fiche descriptive d'une Unité d'Enseignement
Année académique 2026-2027

Statistiques et analyse de données

UE 43

Enseignant(s) responsable de l'UE : Autre(s) enseignant(s) de l'UE : Octave CURMI

Coordonnées du service :
Campus de Bruxelles
Avenue Émile Gryson 1 (bât. 4C)
1070 Bruxelles

Langue(s) d'enseignement :
Français

Niveau du cycle :
2 e cycle

Période de l'année :
Quadrimestre 1

Cadre européen de certification :
Niveau 7

Caractère obligatoire ou au choix dans le programme ou option de l'étudiant :
Cours obligatoire dans le programme

Renseignements d'identification

Année d'études :
Master 4

Acronyme :
TLU41ANDO

Nombre de crédits ECTS :
4 (Facteur de pondération)

Volume horaire :
39h

Unité évaluée en épreuve intégrée

Liste des UE prérequises :
Néant

Liste des UE corequises :
Néant

Liste des activités d'apprentissage:

Activité d'apprentissage Volume horaire ECTS Présence obligatoire
TL41ANDO Statistiques et analyse de données 39 4 NON

Contribution de l'UE au profil d'enseignement du programme :

Au terme de sa formation, le Master en Master en Sciences de l'Ingénieur Industriel est capable de :

  • ARES. 1 01. Identifier, conceptualiser et résoudre des problèmes complexes
  • ARES. 1.5 Sélectionner et exploiter les logiciels et outils conceptuels les plus appropriés pour résoudre une tâche spécifique

Autres connaissances ou compétences prérequises :

Statistiques et analyse de données

    • Algèbre linéaire. Analyse supérieure (calcul différentiel et intégral multivarié). Géométrie élémentaire (dans l'espace).

Descriptif des objectifs et des contenus de l’UE :

Statistiques et analyse de données

Objectifs :

  • Le cours de statistiques et analyse de données est destiné à compléter la formation mathématique des futurs ingénieurs industriels. Les connaissances accumulées par les étudiants au cours des années précédentes permettent d’aborder des sujets et des applications plus ambitieuses tels que :

    - Identification des outils d’analyse des données et leur pertinence

    - Définition de solution (recueil, stockage, analyse et gestion des données)

    - Construction d’algorithmes de traitement des données

    - Elaboration et validité de modèles de prédiction

Contenu :

  • Ajustement de modèle à des données, test Goodness of Fit.

    Ajustement de distribution (MLE).

    Simulation Monte Carlo.

    Méthodes avancées de statistique : (M)ANOVA , une et deux variables avec et sans répétitions, étude des interactions, répétabilité, reproductibilité

    Analyse factorielle : analyse en composantes principales (PCA) et classification hiérarchique ascendante (HCA)

Activités et méthodes d’apprentissage et d’enseignement :

Statistiques et analyse de données

    • Cours magistral

Acquis d’apprentissages sanctionnés, spécifiques et contribuant à l’UE :

Statistiques et analyse de données

  • Connaître et pouvoir restituer les outils mathématiques vus au cours. 

    Pouvoir appliquer ces outils à des exercices types. 

    Choisir, combiner et mettre en œuvre ces outils pour résoudre un problème. 

    Critiquer la pertinence des modèles et outils.

    Pouvoir lire et comprendre un texte mathématique.

Description des supports de cours indispensables :

Description Accès à la source Url

Statistiques et analyse de données

Description des références et des supports :

Description Accès à la source Url

Statistiques et analyse de données

Mode d’évaluation et de pondération par activité au sein de l’UE :

Cette unité d'enseignement est évaluée en épreuve intégrée