5 crédits
30.0 h + 15.0 h
Q2
Enseignants
Saerens Marco;
Langue
d'enseignement
d'enseignement
Anglais
Thèmes abordés
Le cours est articulé autour de quatre thèmes,
- Compléments de fouille de données
- Prise de décision,
- Recherche d'information,
- Analyse de liens et l'exploration du web / graphique.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | 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
|
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Le contenu varie d'année en année, mais les chapitres précédés d'une * sont toujours enseignés.
* Compléments de fouille de données (méthodes statistiques multivariées)
* Compléments de fouille de données (méthodes statistiques multivariées)
- Analyse en composantes principales
- Analyse des corrélations canoniques
- Analyse des correspondances
- Modèles log-linéaires
- Analyse discriminante
- Multidimensional scaling
- Modèles de Markov et modèles de Markov cachés
- etc
- * programmation dynamique et applications
- * Processus de décision de Markov et l'apprentissage par renforcement
- * Exploration / exploitation
- Théorie de l'utilité
- Modélisation des préférences multi-critères - la méthode Prométhée
- Raisonnement probabiliste avec des réseaux bayésiens
- Théorie des possibilités
- Théorie des jeux à deux joueurs
- Décisions collectives
- Modèle de base d'espace vectoriel
- Modèle probabiliste
- Pages Web Ranking: PageRank, HITS, etc.
- Modèles collaboratifs par recommandations (systèmes de recommandation).
- Détection de la communauté réseau
- Mesures de similarité entre les noeuds
- Partitionnement de graphe spectral et cartographie
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
- Deux projets en cours d'annee comptant au total pour 6/20 ou 7/20, selon l'ampleur du second projet (déterminé en début d'année académique)
- Examen oral: 14/20 ou 13/20
Autres infos
Préalables :
- LBIR1304 ou LFSAB1105 : un cours de calcul des probabilités et de statistique mathématique,
- LBIR1200 ou LFSAB1101 : un cours de calcul matriciel,
- LFSAB1402 : un cours de base de programmation.
Ressources
en ligne
en ligne
Bibliographie
Support de cours : transparents de l'enseignant et lectures recommandées :
- Alpaydin (2004), "Introduction to machine learning". MIT Press.
- Bardos (2001), "Analyse discriminante. Application au risque et scoring financier. Dunod.
- Bishop (1995), "Neural networks for pattern recognition". Clarendon Press.
- Bishop (2006), "Pattern recognition and machine learning". Springer-Verlag.
- Bouroche & Saporta (1983), "L'analyse des données". Que Sais-je.
- Cornuéjols & Miclet (2002), "Apprentissage artificiel. Concepts et algorithmes". Eyrolles.
- Duda, Hart & Stork (2001), "Pattern classification, 2nd ed". John Wiley & Sons.
- Dunham (2003), "Data mining. Introductory and advanced topics". Prentice-Hall.
- Greenacre (1984), "Theory and applications of correspondence analysis". Academic Press.
- Han & Kamber (2005), "Data mining: Concepts and techniques, 2nd ed.". Morgan Kaufmann.
- Hand (1981), "Discrimination and classification". John Wiley & Sons.
- Hardle & Simar (2003), "Applied multivariate statistical analysis". Springer-Verlag. Disponible à http://www.quantlet.com/mdstat/scripts/mva/htmlbook/mvahtml.html
- Hastie, Tibshirani & Friedman (2001), "The elements of statistical learning". Springer-Verlag.
- Johnson & Wichern (2002), "Applied multivariate statistical analysis, 5th ed". Prentice-Hall.
- Lebart, Morineau & Piron (1995), "Statistique exploratoire multidimensionnelle". Dunod.
- Mitchell (1997), "Machine learning". McGraw-Hill.
- Naim, Wuillemin, Leray, Pourret & Becker (2004), "Réseaux bayesiens". Editions Eyrolles.
- Nilsson (1998), "Artificial intelligence: A new synthesis". Morgan Kaufmann.
- Ripley (1996), "Pattern recognition and neural networks". Cambridge University Press.
- Rosner (1995), "Fundamentals of biostatistics, 4th ed".Wadsworth Publishing Company.
- Saporta (1990), "Probabilités, analyse des données et statistique". Editions Technip.
- Tan, Steinbach & Kumer (2005), "Introduction to data mining". Pearson.
- Theodoridis & Koutroumbas (2003), "Pattern recognition, 3th ed". Academic Press.
- Therrien (1989), "Decision, estimation and classification". Wiley & Sons.
- Venables & Ripley (2002), "Modern applied statistics with S. Springer-Verlag.
- Webb (2002), "Statistical pattern recognition, 2nd ed". John Wiley and Sons.
Faculté ou entité
en charge
en charge
INFO
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : ingénieur civil en science des données
Master [120] : ingénieur civil en informatique
Master [120] : bioingénieur en sciences agronomiques
Master [120] : bioingénieur en chimie et bioindustries
Master [120] : bioingénieur en sciences et technologies de l'environnement
Master [120] : bioingénieur en gestion des forêts et des espaces naturels
Master [120] en statistique, orientation générale
Master [120] en sciences informatiques
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] en science des données, orientation statistique
Master [120] en science des données, orientation technologies de l'information