Enseigner la statistique pour l'analyse de mégadonnées

L'objectif de cette communication est un retour d'expérience sur l'introduction d'un cours ou de notions liés à l'analyse des mégadonnées « Big Data » et abordant les notions d'exploration, apprentissage et parallélisme dans ce contexte. Plus précisément, nous décrirons deux cours de ce type que nous avons conçus conjointement mais dont les contextes, contenus et organisations diffèrent. Il s'agit, d'une part, des modules d'Exploration et Logiciels Statistiques (4ème année) et d'Apprentissage Statistique (5ème année) du cursus « Génie Mathématique et Modélisation » de l'INSA de Toulouse et, d'autre part, d'un cours de « Multivariate data analysis - Big data analytics » dispensé en 1ère année des masters « Economics » et « Economics and Statistics » de Toulouse School of Economics. Notre objectif, outre une introduction basique à la problématique enseignée, est de montrer les difficultés, matérielles et pédagogiques, auxquelles se heurte l'enseignant statisticien pour aborder ces concepts et de présenter quelques choix que nous avons faits et la manière dont ces choix ont été reçus par les étudiants.

This proposal's aim is to provide a feedback on a new course about "big data", oriented toward data analysis and machine learning. The course also discusses the problems related to parallel computing and scalability. More precisely, we will describe two courses, that were jointly prepared even though their contents are slightly different. The first one was taught for 4-th year students of the curriculum "Genie Math ematique et Modelisation" of the INSA de Toulouse and was entitled "Mining and statistical software", and the second one was given for 1st year students of the master "Economics ans Statistics" of Toulouse School of Economics during a course entitled "Multivariate analysis - Big data analytics". Our proposal is to present some basic concepts about the topic and to describe the choice that we made, as well as the way the students reacted to these choices.