Data Mining

mlsmm2151  2023-2024  Mons

Data Mining
5.00 crédits
30.0 h
Q1
Enseignants
Ait El Cadi Abdessamad (supplée Meskens Nadine); Meskens Nadine;
Langue
d'enseignement
Français
Préalables
Statistique
Thèmes abordés
  • Introduction au Data Mining
  • Le processus général de découverte de connaissances
  • Les arbres de décision : algorithmes CART et ID3
  • Cross-validation, bootstrap
  • Le surapprentissage, l'élagage des arbres
  • Le bagging, le boosting, l'arcing
  • Les forêts aléatoires
  • Sélection des modèles : La courbe ROC
  • Analyse du panier de la ménagère
  • Les réseaux de neurones supervisés
  • Le clustering : méthodes Hiérarchiques, K-means
  • Les ensembles approximatifs
  • Applications et Tendances actuelles en data mining
  • Logiciels TANAGRA et SAS enterprise Miner
  • Applications
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1
Au terme de ce cours l'étudiant est capable de :
  • D'extraire de la connaissance contenue dans de grands volumes de données à partir de données réelles et à l'aide de logiciels de Data Mining tels que SAS enterprise Miner et TANAGRA ;
  • Interpréter les résultats fournis par ces logiciels ;
  • Décrire les principes des méthodes d'apprentissage supervisés et non supervisées vues au cours ;
  • Utiliser les méthodes adéquates face à un problème donné ;
  • Lire et comprendre des articles de recherche relatifs à un problème de gestion et utilisant des méthodes de data mining.
 
 
Méthodes d'enseignement
  • Cours magistral
  • Exercices intégrés au cours
  • Utilisation de logiciels
  • Etude de cas
Modes d'évaluation
des acquis des étudiants
Travail écrit à remettre sur le student corner.
Bibliographie
  • HAN J., KAMBER M. (2006), Data mining: concepts and techniques, 2nd ed. Morgan Kaufmann.
  • TUFFERY S. (2007), Data Mining et statistique décisionnelle : l'intelligence dans les bases de données, Technip.
Faculté ou entité
en charge
CLSM


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur de gestion
INGE2M
5
Master [120] : ingénieur de gestion
INGM2M
5
Master [120] en sciences de gestion (en alternance)
GESA2M
5