Dans la poursuite des cours de fouille de données de M1, cet enseignement vise l'approfondissement du traitement de « données ». Les techniques de machine learning supervisées et non supervisées sont abordés.

Cet enseignement vise les compétences techniques de collecte (fichier de logs machine, web scraping, etc.), de pré-traitement et d'analyse par les principales méthodes de Machine Learning :
1. Exploiter les données dans une démarche analytique et business intelligence (BI) :
Analyses statistiques (statistiques descriptives, inférentielles) afin d'affirmer ou infirmer des hypothèses et/ou stratégies en lien avec les besoins des métiers composant une organisations (SAS, Excel, logiciel R, etc.)
2. Exploiter les données dans une démarche exploratoire (logiciel R, Python):
-analyser à l'aide des techniques de Datamining (fouille de données, analyse spatiale et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissances ou de nouveaux usages ;
- sélectionner et l'utiliser ou éventuellement implémenter des algorithmes de traitements des données à l'aide des méthodes d'apprentissage automatique (machine Learning, Deep Learning, réseaux de neurones)