L'objectif principal de ce module est, en liaison avec les faits (notamment, les évolutions des entreprises) et les approches économiques générales, de replacer la naissance, le développement et les débats apparus au sein des sciences de gestion depuis la fin du XIXème siècle jusqu'à nos jours et de présenter les outils de gestion qui ont été créés à ces occasions. Partant des "révolutions" qui ont façonné la gestion moderne (la comptabilité et la gestion du commerce, la révolution industrielle et la conduite des manufactures), cet enseignement a été construit en leçons abordant dans chacune d'elle un des ensembles d'outils de gestion (organisation, marketing, gestion des ressources humaines, gouvernance).
• Montmorillon (De) B., 2004, Comprendre l’entreprise et son organisation : La théorie économique et l’entreprise, dans com-prendre le management cahier réalisé sous la direction de Ferrandon B., pp. 16-22.
• Mitchell, R. K., Agle, B. R., & Wood, D. J., 1997, Toward a theory of stakeholder identification and salience: Defining the prin-ciple of who and what really counts. Academy of management review, 22(4), 853-886.
• Sire, B., Tremblay, M., 2003, Le Mix-Rémunération, dans Encyclopédie des ressources humaines, sous la coordination de Allouche J., Éditions Vuibert, pp. 1277-1283.
• Emery, Y., Giauque, D., Gonin F., 2019, L’embauche : l’histoire d’une rencontre pleine d’aléas (chapitre 2), dans Gestion des ressources humaines, pour le meilleur et pour le pire. Collection Savoir Suisse
• Thommen J.-P., 2021, Partie 2, Marketing, chapitre 1er , Introduction, dans Introduction à la gestion d’entreprise, 6 ème édi-tion, Versus Zurich, pp 119-136
• Roesslinger, F., Siegel D., 2015, Une histoire de la qualité (chapitre 1), dans Management Stratégique et Management de la qualité. Edition, Afnor, pp 3-13
• Barabel, M., Meier, O., 2015, Piloter et évaluer la performance de son unité (chapitre 6), dans Manageor, 3ème édition, Les nouvelles pratiques du management. Edition Dunod, pp 337-369
• Grünig, R., Kühn, R., 2004, Planifier la stratégie (chapitre 14), dans Planifier la stratégie : un procédé pour les projets de pla-nification stratégique (Vol. 17), PPUR presses polytechniques, pp. 193-214
Aktuell wird das Modul konzipiert. Die Beschreibung des Kurses, die Inhalte und die Lehrmittel werden baldmöglichst hier veröffentlicht.
This module introduces Natural Language Processing (NLP) and Generative AI (GenAI), with an emphasis on large language models (LLMs) and their applications in data analytics.
Students first learn to turn unstructured text into data. Thereby, we will cover text preprocessing and representa-tion (tokenization, bag-of-words, TF-IDF, word embeddings), topic models, and supervised text classification. The module then builds up to neural networks, including transformers. We will cover how LLMs and similar foundational models work (also including agentic AI, where models use tools and take multi-step actions). We will also learn how results from NLP and GenAI pipelines can be evaluated. Further, we will touch upon how such pipelines can move beyond text to other unstructured data types and related models (vision models, image-text models, and generative images).
Throughout, the module addresses limitations, bias, and the ethical and societal implications of these technolo-gies.
The module uses Python.