Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 1 · Le MCD

Cas TP1 : modéliser l'école

On applique la démarche à l'énoncé TP1 (école : cours, sessions, créneaux, salles, formateurs, inscriptions, assiduité). Ce qui suit est une modélisation possible (exemple ajouté), pas un corrigé unique : plusieurs choix se défendent, à justifier dans ta page.

Besoin (énoncé)ModélisationCardinalités
A. Étudiants, même sans inscriptionEntité ETUDIANT0..N côté étudiant dans S'inscrire
B. Prérequis (un cours peut être prérequis d'autres)Association réflexive Prerequis sur COURS0..N et 0..N
C. Session rattachée à un coursProposerCours 0..N, Session 1..1
D. Session découpée en créneauxDecouperSession 1..N, Créneau 1..1
E. En présentiel, une sallePlanifierSession 0..1 (distanciel : pas de salle), Salle 0..N
F. Co-animationAnimerSession 1..N formateurs, Formateur 0..N
G. Inscriptions (date, statut)S'inscrire porteuse d'attributs0..N et 0..N
H. Présence par créneau (+ motif)Pointer porteuse (présence, motif)Étudiant 0..N, Créneau 0..N
0..N1..10..10..N1..N1..10..N1..N0..N0..N0..N0..N0..N0..NCOURS#code_courstitreniveauvolume_horaireSESSION#id_sessiondate_debutdate_finmodaliteSALLE#code_sallecapacitebatimentFORMATEUR#id_formateurnomprenomemailCRENEAU#id_creneauheure_debutheure_finETUDIANT#id_etudiantnomprenomemailProposerPlanifierDecouperAnimerPrerequisS'inscriredatestatutPointerpresencemotif

Points délicats à justifier :

  • Session 1..N créneaux : le texte dit qu'une session « peut être découpée en plusieurs créneaux » ; choisir 1..N (au moins un) ou 0..N est une décision à expliquer. L'important est qu'elle soit cohérente avec le cahier des charges.
  • Salle 0..1 : conséquence directe de « en présentiel ». Une règle (modalité = présentiel ⇒ salle) ne se voit pas dans les cardinalités : note-la dans les règles de gestion.
  • Assiduité : on ne devrait pointer un étudiant que sur les créneaux d'une session où il est inscrit. Le MCD ne l'exprime pas à lui seul : c'est une contrainte à documenter.
  • Valeurs de statut (inscrit / annulé / liste d'attente ; présent / absent / retard) : simples attributs ; la liste des valeurs est une contrainte, pas une entité, sauf besoin contraire.

Vérifie que tu as compris

Pourquoi la cardinalité de SESSION dans « Planifier » est-elle 0..1 ?

Vérifie que tu as compris

Comment modéliser « un cours peut être prérequis pour d'autres cours » ?