Analyse des données numériques

Enseignants

Fouss François; Francq Pascal;

Langue
d'enseignement

Français

Thèmes abordés

L'objectif de cet enseignement est d'initier les étudiants à la collecte, au nettoyage et à l'analyse des données du web. Le cours abordera les éléments suivants :

• Une introduction, pour rappeler la nécessité de comprendre et donner du sens aux données issues du web
• Les explications sur les différents types de données qu'on trouve sur le web, en incluant les métadonnées, et une sensibilisation aux différentes manières de les extraires.
• Introduire ici les notions de code et sensibiliser aux différents langages existants.
• Le cours introduira ensuite deux types d'analyses de données :
• L'analyse lexicométrique en lien avec la linguistique
• L'analyse des graphes en lien avec la théorie des réseaux sociaux

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Au terme de cet enseignement, l'étudiant sera capable : De comprendre la structures des données numériques De comprendre les grandes étapes de collecte, de nettoyage et d'exploitation des données De réaliser une analyse lexicométrique et une analyse de graphes de base

Contenu

Ce cours a pour objectif d’apprendre à appliquer une méthodologie adéquate d'analyse de données numériques issues du web, et d'apprendre à maîtriser les techniques et modèles ad-hoc, afin notamment de pouvoir les utiliser/appliquer dans des situations réelles.
Les thèmes principaux de ce cours sont:

• Recherche d’information sur le Web
  • Concepts de base (indexation, de compression, de recherche, de classification et de catégorisation)
  • Modèles de recherche d’information
• Ingénierie du Web
  • Référencement
  • Collecter, nettoyer et analyser les données issues du Web
  • Outils d’analyse d’audience de sites Web
• Link Analysis : recommander/analyser du contenu relevant sur base de la structure en hyperliens, formant un réseau/graphe
  • Eléments fondamentaux de la structure d'un réseau/graphe
  • Méthodologie d'analyse d'un réseau/graphe
    • Identification de sous-groupes cohésifs
    • Notions de similarité et de distance
    • Identification de nœuds prestigieux
    • Identification de nœuds centraux
    • Prédiction de nouveaux liens
    • etc.

Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

• Exposés magistraux
• Exercices intégrés au cours
• Projet par groupe

Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

L’évaluation (unique) a une composante pratique et une composante théorique:

• Evaluation continue (travaux pratiques cotés);
• Réalisation d'un projet de groupe;
• Défense du projet et examen oral.

!!! La note obtenue est unique et ne peut donc pas être améliorée durant l'année académique en cours !!!

Ressources
en ligne

Voir Student Corner / Teams

Bibliographie

• MCILWRAITH D., MARMANIS H., BABENKO D. 2nd ed, Algorithms of the Intelligent Web, Manning Publications, 2016.
• LANGVILLE A., MEYER C., Google’s PageRank and Beyond : The Science of Search Engine Rankings, Princeton University Press, 2012.
• FOUSS F., SAERENS M., SHIMBO M., Algorithms and Models for Network Data and Link Analysis, Cambridge University Press, 2016.
• AMINI M.-R., GAUSSIER E., Recherche d’information : Applications, modèles et algorithmes, Eyrolles, 2013.
• MANNING C. D., RAGHAVAN P., SCHÜTZE H., Introduction to Information Retrieval, Cambridge University Press, 2008.
• MARTIN A., CHARTIER M., ANDRIEU O., Techniques de référencement web : Audit et suivi SEO, Eyrolles, 2016.

Faculté ou entité
en charge

COMU