2026-2027
| Code | Titulaire(s) | Langue(s) d'enseignement | Langue(s) d'évaluation | Théorie | Pratique | Période(s) | Établissement(s) |
|---|---|---|---|---|---|---|---|
| T-CING-113 | NDUNGIDI KIAZAYILA Papy | français | français | 18 | 0 | Q2 |
|
Connaissances
Au terme de l'activité d'apprentissage, l'étudiant sera capable de distinguer la problématique des mégadonnées (big data) de celle de l'informatique décisionnelle, de comprendre les enjeux économiques et sociétaux associés aux mégadonnées, et de lister un ensemble d'approches et solutions Big Data.
Compétences
A l'issu de cette activité d'apprentissage, l'étudiant sera capable de suggérer une solution pour le stockage, l'analyse et l'exploitation des données sur base de leur nature (bases de données relationnelles, NoSQL, NewSQL, mégadonnées stockées, flots de données, etc.)
1. Aperçu des Bases de Données classiques
2. Emergence des mégadonnées (Big Data)
3. Vocabulaire autour des Big Data
4. Aperçu des approches et solutions Big Data (stockage et exploitation/analyse des mégadonnées).
Type de support
Diapositives
Références
NDUNGIDI, P. (2026). Cours d'Introduction aux Mégadonnées (Big Data) pour Ingénieurs Industriels. Syllabus du cours, HEPH-Condorcet, Charleroi.
NDUNGIDI, P. (2026). Introduction aux mégadonnées (Big Data). Transparents du cours de Big Data, HEPH-Condorcet, Charleroi.
NDUNGIDI, P. (2026). Cours d'Introduction aux Mégadonnées (Big Data) pour Ingénieurs Industriels. Syllabus du cours, HEPH-Condorcet, Charleroi.
NDUNGIDI, P. (2026). Introduction aux mégadonnées (Big Data). Transparents du cours de Big Data, HEPH-Condorcet, Charleroi.
Les usages de l’Intelligence Artificielle dans l’enseignement supérieur sont référencés et détaillés au sein d'une charte institutionnelle. Consultez le site https://ia.condorcet.be pour plus d'informations.