MSE Master of Science in Engineering

The Swiss engineering master's degree


Chaque module vaut 3 ECTS. Vous sélectionnez 10 modules/30 ECTS parmi les catégories suivantes:

  • 12-15 crédits ECTS en Modules technico-scientifiques (TSM)
    Les modules TSM vous transmettent une compétence technique spécifique à votre orientation et complètent les modules de spécialisation décentralisés.
  • 9-12 crédits ECTS en Bases théoriques élargies (FTP)
    Les modules FTP traitent de bases théoriques telles que les mathématiques élevées, la physique, la théorie de l’information, la chimie, etc., vous permettant d’étendre votre profondeur scientifique abstraite et de contribuer à créer le lien important entre l’abstraction et l’application dans le domaine de l’innovation.
  • 6-9 crédits ECTS en Modules contextuels (CM)
    Les modules CM vous transmettent des compétences supplémentaires dans des domaines tels que la gestion des technologies, la gestion d’entreprise, la communication, la gestion de projets, le droit des brevets et des contrats, etc.

Le descriptif de module (download pdf) contient le détail des langues pour chaque module selon les catégories suivantes:

  • leçons
  • documentation
  • examen 
Data Management (TSM_DataMgmt)

-

Compétences préalables

  • Modèle relationnel, algèbre relationnelle
  • Normalisation
  • SQL:92
  • Traitement transactionnel, contrôle d’accès simultané
  • Sécurité dans les systèmes de bases de données relationnelles
  • Optimisation des requêtes (btree indexes)
  • Architecture des SGBDR

Objectifs d'apprentissage

  • Les étudiants savent comment utiliser les technologies des bases de données modernes afin de traiter et de gérer des données provenant de grandes bases communes.
  • Ils connaissent de nouvelles structures de données (types de données) alternatives aux systèmes de gestion de bases de données relationnels (SGBDR) (non relationnelles notamment) et sont capables de déterminer quels types de données et quel système de base de données sont appropriés en fonction du contexte et du genre de données disponibles.
  • Ils connaissent des NoSQL et des cloud data stores.
  • Ils sont au courant des méthodes et des outils pour nettoyer ("cleansing"), synthétiser et intégrer les données.
  • Ils savent comment manier des informations (sous forme de texte) qui ne sont pas définies précisément au moyen de BD et de moteurs de recherche (Recherche d’informations).
  • Ils sont capables de réutiliser les connaissances acquises durant ce cours dans leur propre environnement de travail et de les appliquer afin de résoudre leurs problèmes spécifiques.

Catégorie de module

Le module s’articule en quatre parties (domaines) :

  1. Gestion de bases de données – nouvelles structures de bases de données et alternatives aux SGBDR (DB): la première partie traite des aspects concernant le stockage des données, et des aspects non-relationnels des données inclu NoSQL et cloud data stores.
  2. Entreposage de données et aide à la décision (DW) : la deuxième partie traite de l’entreposage des données, c’est-à-dire de l’intégration et de l’agrégation des données.
  3. Intégration de données (DI) : Dans la troisième partie, les méthodes et les outils de nettoyage, de synthèse et d'intégration des données sont abordés.
  4. Recherche d’informations (IR) : la quatrième partie traite de la recherche d’informations et inclut la recherche contextuelle dans les BD, les moteurs de recherche et les robots Web.

Pondération:

  1. DB: 4 - 6 semaines
  2. DW: 3 semaines
  3. DM: 1 semaine
  4. IR: 4 - 5 semaines

Méthodes d'enseignement et d'apprentissage

Enseignement magistral, exercices, études de cas.

Bibliographie

Suggestion de bibliographie optionnelle (ouvrages):

  • DB: Lena Wiese: Advanced Data Management for SQL, NoSQL, Cloud and Distributed Databases. De Gruyter Textbook. 2015. ISBN 978-3-11-044140-6.
  • IR: "Modern Information Retrieval". (Recherche d’information moderne) Baeza-Yates & Ribeiro-Neto, New York (2011). ISBN: 9780321416919.
  • IR: Introduction to Information Retrieval. C.D. Manning, P. Raghavan, H. Schütze. Cambridge UP, 2008. Classical and web information retrieval systems: algorithms, mathematical foundations and practical issues.
  • IR: Information Retrieval in Practice. B. Croft, D. Metzler, T. Strohman. Pearson Education, 2009.

Télécharger le descriptif complet

Retour