EPFL
SV
Fiche de Cours: Applied data analysis

Fiche de cours

Applied data analysis

CS-401

Fiche de cours

Enseignant(s) :

West Robert

Langue:

English

Summary

This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the data science world (pandas, scikit-learn, Spark, etc.)

Content

Thanks to modern software tools that allow to easily process and analyze data at scale, we are now able to extract invaluable insights from the vast amount of data generated daily. As a result, both the business and scientific world are undergoing a revolution which is fueled by one of the most sought after job profiles: the data scientist.

This course covers the fundamental steps of the data science pipeline:

Data wrangling

Data acqusition (scraping, crawling, parsing, etc.)
Data manipulation, array programming, dataframes
The many sources of data problems (and how to fix them): missing data, incorrect data, inconsistent representations
Data quality testing with crowdsourcing

Data interpretation

Statistics in practice (distribution fitting, statistical significance, etc.)
Working with "found data" (design of observational studies, regression analysis)
Machine learning in practice (supervised and unsupervised, feature engineering, evaluation, etc.)
Text mining: preprocessing steps, vector space model, topic models
Social network analysis (properties of real networks, working graph data, etc.)

Data visualization

Introduction to different plot types (1, 2, and 3 variables), layout best practices, network and geographical data
Visualization to diagnose data problems, scaling visualization to large datasets, visualizing uncertain data

Reporting

Results reporting, infographics
How to publish reproducible results

The students will learn the techniques during the ex-cathedra lectures and will be introduced, in the lab sessions, to the software tools required to complete the homework assignments and the in-class quizzes.

In parallel, the students will embark on a semester-long project, split in agile teams of 3-4 students. In the project, students propose and execute meaningful analyses of a real-world dataset, which will require creativity and the application of the tools encountered in the course. The outcome of this team effort will be a project portfolio that will be made public (and available as open source).

At the end of the semester, students will take a 3-hour final exam in a classroom with their own computer, where they will be asked to complete a data analysis pipeline (both with code and extensive comments) on a dataset they have never worked with before.

Learning Prerequisites

Required courses

The student must have passed an introduction to databases course, OR a course in probability & statistics, OR two separate courses that include programming projects. Programming skills are required (in class we will use mostly Python).

Important concepts to start the course

programming, algorithms, probability and statistics, databases

Learning Outcomes

By the end of the course, the student must be able to:

Construct a coherent understanding of the techniques and software tools required to perform the fundamental steps of the data science pipeline

Expected student activities

Students are expected to:

Attend the lectures and lab sessions
Complete 2-3 homework assignments
Complete weekly in-class quizzes (held during lab sessions)
Conduct the class project
Engage during the class, and present their results in front of the other colleagues

Assessment methods

- Homework

- Project

- Final exam

Resources

Websites

http://ada.epfl.ch

Moodle Link

https://go.epfl.ch/CS-401

Dans les plans d'études

Informatique, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Informatique, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Data Science, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  obligatoire
Data Science, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  obligatoire
Génie électrique et électronique, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Génie électrique et électronique, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Humanités digitales, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  obligatoire
Humanités digitales, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  obligatoire
Informatique - Cybersecurity, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Informatique - Cybersecurity, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Ingénierie des sciences du vivant, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Ingénierie des sciences du vivant, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Ingénierie financière, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Ingénierie financière, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Management, technologie et entrepreneuriat, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Management, technologie et entrepreneuriat, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Neuro-X, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Neuro-X, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Robotique, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Robotique, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Science et ingénierie computationnelles, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Science et ingénierie computationnelles, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Science et technologie de l'énergie, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Science et technologie de l'énergie, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Sciences et ingénierie de l'environnement, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Sciences et ingénierie de l'environnement, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Statistique, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Statistique, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Systèmes de communication - master, 2023-2024, Master semestre 1
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Systèmes de communication - master, 2023-2024, Master semestre 3
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Data and Internet of Things minor, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Génie civil et environnement (edoc), 2023-2024
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Génie électrique (edoc), 2023-2024
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Joint EPFL - ETH Zurich Doctoral Program in the Learning Sciences, 2023-2024
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Mineur en Computational biology, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Mineur en Data science, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Mineur en Neuro-X, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
Mineur en Neurosciences computationnelles, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel
UNIL - Sciences forensiques, 2023-2024, Semestre automne
- Semestre
  Automne
- Forme de l'examen
  Ecrit
- Crédits
  8
- Matière examinée
  Applied data analysis
- Cours
  2 Heure(s) hebdo x 14 semaines
- Projet
  2 Heure(s) hebdo x 14 semaines
- Type
  optionnel

Semaine de référence

	Lu	Ma	Me	Je	Ve
8-9
9-10
10-11
11-12
12-13
13-14
14-15
15-16
16-17
17-18
18-19
19-20
20-21
21-22

En construction

Cours

Exercice, TP

Projet, autre

légende

Semestre d'automne
Session d'hiver
Semestre de printemps
Session d'été

Cours en français
Cours en anglais
Cours en allemand