CAMILLE BERNARD

Maîtresse de conférences

Affiliation

Université Grenoble Alpes

Équipe de recherche

LIG Equipe STEAMER

Domaines de recherche

Web Sémantique ; Modélisation Spatio-temporelle

Disciplines scientifiques

Informatique

Thèse

Immersing evolving geographic divisions in the semantic Web
sous la direction de  Jérôme Gensel, Hy Dao, Marlène Villanova-Oliver
from 01/09/2015 to 27/09/2019

Enseignement

J'enseigne à Grenoble IAE, au sein du département MASIF.

Conception et réalisation de Sites Web
Formation    Master 1 Management des Systèmes d'Information et Licence 3 Management
Contenu    IHM, Architecture Client-Serveur, HTML, CSS.

Business Intelligence
Formations    Master 2 CMSI (en alternance)
Contenu    Architecture BI, Modélisation multi-dimensionnelle, Conception d'un entrepôt de données.

Bases de données - niveau 2
Formation    Master 1 Management des Systèmes d'Information
Contenu    Langage SQL et ses sous-langages LDD, LID, LMD, LCD.  Création,  sauvegarde, et restauration de BDR. Contraintes, vues, transactions, fonctions, procédures stockées. Enseignement réalisé via le SGBD MySQL

Méthodes pour l'analytique
Formation    Master 2 Management des Systèmes d'Information - Parcours Intelligence des Données
Contenu    Cycle CRISP pour l'analyse de données : présentation détaillée et pratique des différentes étapes de la réalisation d'un projet de modélisation prédictive. Approfondissement de différents aspects de la modélisation prédictive : sélection modèle, évaluation modèle (Machine Learning Supervisé, regression et classification). Approfondissement des méthodes de modélisation prédictive vues dans le cours "Introduction à la Data Science". Découverte d'autres méthodes de modélisation prédictive : plus proches voisins, deep learning. Approfondissement des logiciels Python/pandas/scikit-learn.

Big Data
Formation    Master 2 Management des Systèmes d'Information - Parcours Intelligence des Données
Contenu    Étudier les concepts et outils pour la mise en œuvre d'une solution Big Data. Traiter des données massives avec MongoDB. Traiter des données massives avec le logiciel Apache Spark (PySpark, Spark RDD, Spark DataFrame et Spark SQL). Piloter un projet de type Big Data.