Enseignants
Langue
d'enseignement
d'enseignement
Thèmes abordés
Une tâche importante dans l'exploration de données consiste à découvrir des motifs dans les données. Ces motifs sont des structures récurrentes dans les données; ils peuvent fournir des explications interprétables pour les observations dans les données, peuvent aider à mieux comprendre la structure des données, peuvent être utilisés pour construire de meilleurs modèles, et peuvent être utilisés pour résoudre d'autres tâches (telles que la constructions d'index dans des bases de données ou la compression de données). Les motifs peuvent être trouvés dans beaucoup de formes de données différentes, y compris des données des supermarchés, des compagnies d'assurance, des expériences scientifiques, des réseaux sociaux, des projets de logiciel, et ainsi de suite.
Ce cours offrira une introduction en profondeur à l'extraction de motifs. Après une introduction aux principes de base de l'extraction de motifs, il fournira une discussion en profondeur d'un certain nombre de techniques avancées d'extraction de motif.
Les sujets qui seront discutés sont:
- Catégories de tâches d'extraction de motifs, y compris l'extraction de motifs et d'ensemble de motifs, l'extraction de motifs supervisée ou non, les types de jeux de données et les fonctions de score des motifs ;
- Algorithmes pour résoudre différentes tâches d'extraction de motifs;
- Les structures de données pour rendre l'extraction des motifs plus efficace;
- La mise en 'uvre d'algorithmes d'extraction de motifs ;
- Fondements mathématiques pour les différentes catégories de tâches d'extraction de motifs;
- Classes de complexité en lien avec l'extraction de motifs ;
- Applications de l'extraction de motifs, avec un accent particulier sur l'application des techniques d'extraction de motifs dans l'ingénierie logicielle.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
Les étudiants ayant suivi avec fruit ce cours seront capables de
|
|
Contenu
- Extraction dans des collections d'objets les plus fréquentes : algorithmes, structures de données;
- Extraction dans des collections d'objects basée sur des contraintes: algorithmes, structures de données;
- Extraction de motifs dans des séquences, arbres, graphes: algorithmes, structures de données, classes de complexité;
- Extraction de motifs dans des données supervisées: fonctions de score, algorithmes;
- Extraction d'ensemble de motifs dans des données supervisées: fonctions de score, modèles (arbres de décision, boosting), algorithmes
- Extraction d'ensemble de motifs dans des données non supervisées: fonctions de score (principe de longueur de description minimale, entropie maximale), algorithmes
- Applications de l'extraction de motifs: dépôts de logiciels, traces, log files, chimio-informatique, bioinformatique, applications industrielles
Méthodes d'enseignement
- Cours magistraux
- Travaux pratiques
- 3 projets
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
La note finale est déterminée par 3 projets durant le quadrimestre et un examen qui est organisé durant la session d'examen.
La note est calculée suivant la proportion suivante: la note des 3 projets combinés vaut pour 30% de la note finale (10% pour chaque projet), la note de l'examen individuel vaut pour 70%.
La note est calculée suivant la proportion suivante: la note des 3 projets combinés vaut pour 30% de la note finale (10% pour chaque projet), la note de l'examen individuel vaut pour 70%.
Autres infos
Le langage de programmation utilisé durant ce cours est le langage Python. On suppose que les étudiants ont suivi un cours de base de Python, tel que LEPL1401, LINFO1101 ou LSINC1101.
L'usage de l'IA générative est:
L'usage de l'IA générative est:
- autorisée sans avoir besoin de le notifier lorsqu'il est utilisé comme aide à la correction de l'orthographe/grammaire dans les textes écrits (ex: rapports, slides, commentaires de code)
- non autorisée dans tout autre cas, hormis si explicitement spécifié dans l'énoncé
Ressources
en ligne
en ligne
Bibliographie
"Data Mining: Concepts and Techniques" (4th Edition, 2022) by Jiawei Han, Jian Pei, and Hanghang Tong
Faculté ou entité
en charge
en charge
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] en science des données, orientation statistique
Master [120] : ingénieur civil en informatique
Master [120] en sciences informatiques
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] : ingénieur civil en science des données
Master [120] en science des données, orientation technologies de l'information