Enseignement
Vision pédagogique · Domaines · Récapitulatif · Supports
Ma vision
Mon enseignement s’appuie sur une articulation entre rigueur scientifique, applications concrètes et apprentissage progressif par la pratique. J’accorde une importance particulière à la compréhension des concepts fondamentaux, à leur mise en œuvre sur des cas réels et au développement de l’autonomie des étudiants. Cette démarche est pilotée par un système de feedback continu en trois temps — diagnostic, ajustement, optimisation — qui permet d’adapter le cours pendant le semestre plutôt que d’en constater les limites à son terme (voir la page Feedback continu).
Domaines d’enseignement
Mathématiques et Statistiques
17 modules
Intelligence Artificielle
16 modules
Sciences des données
6 modules
Encadrement et soutien
3 modules
Récapitulatif des enseignements
∫ Mathématiques et Statistiques — 17 module(s) · 49 ligne(s) · Algèbre, Analyse, Probabilités, Statistiques inférentielles, GLM, Logique, Recherche Opérationnelle
Intelligence Artificielle — 16 module(s) · 31 ligne(s) · Machine Learning, Deep Learning, NLP, Generative Computer Vision, Outillage ML
Sciences des données — 6 module(s) · 13 ligne(s) · Analyse des données, Data Mining, Programmation R/Python, Séries temporelles
Encadrement et soutien — 3 module(s) · 5 ligne(s) · Cours de soutien, Atelier Python, Gestion de projet
| Année | Module | Niveau | Classe | Groupes | EN | Charge | Coord. | Nouveau | École |
|---|---|---|---|---|---|---|---|---|---|
| 2016-2017 | Cours de soutien | Licence | — | 1 | FR | 15 h | ✓ | ESB | |
| 2016-2017 | Cours de soutien | Licence | — | 1 | FR | 15 h | ✓ | ESB | |
| 2017-2018 | Cours de soutien Mathématiques | Licence | — | 1 | FR | 9 h | ✓ | ESB | |
| 2017-2018 | Cours de soutien Statistiques inférentielles NOUVEAU | Licence | — | 1 | FR | 9 h | ✓ | ✓ | ESB |
| 2018-2019 | Cours de soutien Statistiques inférentielles | Licence | — | 1 | FR | 15 h | ✓ | ESB |
4 716
Heures cumulées
42
Modules distincts
10
Années actives
44
Nouveau module (lignes)
5
Cours en anglais
Heures par année et par domaine
Évolution du nombre de modules dispensés
Heatmap module × année (charge horaire)
Timeline d’enseignement par module
Nouveaux modules par année universitaire
| Année | Modules nouveaux ou refondus |
|---|---|
| 2016-2017 | Mathématiques 1, Mathématiques 2, Statistiques descriptives et Probabilités |
| 2017-2018 | Analyse des données avec SPSS, Cours de soutien Statistiques inférentielles, Logique Mathématique, Recherche Opérationnelle, Statistiques inférentielles |
| 2018-2019 | Les fondamentaux des mathématiques, Séries Temporelles |
| 2019-2020 | Algèbre 1, Algèbre 2, Analyse 2, Analyse statistique avec R, Probabilités et Statistiques, Programmation avec R |
| 2020-2021 | Algèbre 3, Analyse 4, Mathématiques appliquées à la gestion |
| 2021-2022 | Intégration et Probabilités, Modèles linéaires généralisés, Optimisation numérique, Probabilités, Statistiques, Statistiques inférentielles |
| 2022-2023 | Analyse des données, Apprentissage Statistique, Deep Learning, Fondements de la théorie de la décision, Introduction Data Science, Programmation Python 2, Programmation Python 3 |
| 2023-2024 | Intelligence Artificielle, Outillage Machine Learning, Programmation Python 3 |
| 2024-2025 | Generative Computer Vision, Machine Learning (non supervisé) |
| 2025-2026 | Atelier de programmation, Data Mining |
∫ Mathématiques et Statistiques — 17 module(s) · 15 avec repository GitHub
Statistiques inférentielles
Probabilités et Statistiques
Statistiques descriptives et Probabilités
Algèbre 1
Analyse 4
Algèbre 2
Mathématiques 1
Algèbre 3
Mathématiques 2
Intégration et Probabilités
Probabilités
Analyse statistique avec R
Statistiques
Logique Mathématique
Les fondamentaux des mathématiques
Analyse 2
Mathématiques appliquées à la gestion
Intelligence Artificielle — 16 module(s) · 16 avec repository GitHub
Deep Learning
Fiche module
Disponible
Indisponible
Polycopié
Disponible
Indisponible
Slides
Disponible
Indisponible
TP
Disponible
Indisponible
TD
Réservé aux étudiants
Indisponible
Fondements de la théorie de la décision
Machine Learning
Fiche module
Disponible
Indisponible
Polycopié
Disponible
Indisponible
Slides
Disponible
Indisponible
TP
Disponible
Indisponible
TD
Réservé aux étudiants
Indisponible
Apprentissage Statistique
Optimisation numérique
Outillage Machine Learning
Intelligence Artificielle
Atelier de programmation
Machine Learning (non supervisé)
Machine Learning (supervisé)
Programmation Python 2
Programmation Python 3
Gestion de projet
Data Mining
Generative Computer Vision
Fiche module
Disponible
Indisponible
Polycopié
À venir
Indisponible
Slides
Disponible
Indisponible
TP
Disponible
Indisponible
TD
Réservé aux étudiants
Indisponible
Introduction Data Science
Sciences des données — 6 module(s) · 6 avec repository GitHub
Recherche Opérationnelle
Séries Temporelles
Programmation avec R
Analyse des données
Analyse des données avec SPSS
Modèles linéaires généralisés
Maintenir ces données
Les enseignements et supports sont alimentés par 2 fichiers CSV :
| Fichier | Schéma |
|---|---|
data/enseignements_detailed.csv |
domaine, annee, nom_module, niveau, classe, nb_groupes, anglais, charge_horaire, coordinateur, nouveau_module, ecole |
data/supports.csv |
domaine, nom_module, niveau, classe, ecole, ressource_nom, ressource_statut, ressource_lien |
Pour ajouter ou modifier un enseignement / support : éditer le CSV (Excel, VS Code…), quarto render, et la page se met à jour automatiquement.