DAC Données, Apprentissage et Connaissances

Dimension: px
Commencer à balayer dès la page:

Download "DAC Données, Apprentissage et Connaissances"

Transcription

1 DAC Données, Apprentissage et Connaissances Responsables : Spécialité adossée au département DAPA du LIP6 Thierry Artières Bernd Amann Partenaires : ENST, ENSTA, IIE Site web :

2 Contexte industriel et économique Les données = l or noir du XXIème siècle Nouveaux besoins : Business Intelligence Open Data Médias Sociaux Nombreux acteurs industriels Google, Yahoo!, Facebook, Microsoft, Oracle, Exalead, Data Publica, Orange,... Nouveaux métiers : Data Scientist Architecte et Développeur Cloud Ingénieur de Connaissances Spécialité DAC - Données Apprentissage Connaissances

3 Contexte industriel et économique Source :

4 Contexte académique Adossement au département DAPA du LIP6 www-dapa.lip6.fr 4 équipes de recherche (30 permanents / 60 thésards) ACASA : Cognitive Agents and Automated Symbolic Learning BD : Bases de Données LFI : Learning, Fuzzy and Intelligent systems MLIA : Machine Learning and Information Access thèses / an ~ 8 millions d euros de subventions sur projets dans les 5 dernières années

5 Apprentissage numérique Réseaux de neurones & co Objet d études = Données Textes, Images, Sons, vidéos Séquences, Arbres, Graphes Neural Networks Tâches Classification Régression Prédiction

6 Fuzzy and Intelligent systems Conception de systèmes intelligents Fusion de données hétérogènes Traitement des connaissances graduelles ou imparfaites Logique floue

7 Intelligence Artificielle symbolique Traitement symbolique de données Programmation logique inductive et abductive Fusion symbolique d information Apprentissage formel de concepts Approches sémantiques Indexation sémantique de textes Ontologies Logiques de description (apprentissage, ) Non-typicalité

8 Bases de Données Stockage, Indexation, Interrogation, Qualité de «Données» Large échelle & optimisation Distribution & Parallélisation Applications Archivage du web Open Data, Web Sémantique Filtrage d'information Workflows et provenance

9 Multimédia, son, image, vidéo Détection de visages Annotation d images Reconnaissance de parole

10 Fouille de données Moteurs de recherche Extraction d information Résumés automatiques Recherche d information Twitter sentiment Memetracker

11 Prédiction de liens Recommandation d images Modélisation de la propagation Recommandation Médias sociaux

12 Affective computing Reconnaissance, expression, synthèse d émotions Applications E-santé E-learning Personnalisation de jeux vidéos

13 Profils de compétence Apprentissage Bases de Données Intelligence Artificielle Reconnaissance des formes (M1) Bases de Données Réparties (M1) Intelligence Artificielle (M1) Apprentissage Statistique Business Intelligence Langage Naturel Fouille de Données et Médias Sociaux Web Sémantique Apprentissage Symbolique Recherche d Information et Moteurs de Recherche Bases de Données Large échelle Raisonnement à base de connaissances imprécises Spécialité DAC - Données Apprentissage Connaissances

14 Débouchés et emplois Profiles d'emplois Domaines Ingénieur / Recherche et développement / Recherche Data science, BI, CRM, Recherche d information web et social, Applications Web, Web advertising, Administrateur BD, Architecte de Systèmes d Information, Big Data et cloud Entreprises Grands groupes et sociétés de services Traitement de l information, moteurs de recherche et data mining Finance Alcatel Lucent, Thales, Bouygues, EADS, Orange Labs, Sopra Yahoo!, Google, Exalead, Antidot, KXEN, Criteo, Xilopix CapDigital, BBSP Public Université CNRS Enseignant-chercheur chercheur

15 Formation : tronc commun (partiellement en M1) Traitement et analyse de contenus, de données et de connaissances Apprentissage à partir de données Bases de données et données réparties Fouille de données Intelligence artificielle et computationnelle Technologies Web : JSON, AJAX, XML,... Programmation cloud : Hadoop, MapReduce, nosql,... Spécialité DAC - Données Apprentissage Connaissances

16 Max 1 Ue 4 Ues au moins parmi M2 S3 AS APAS+ADMN Apprentissage Statistique Patrick Gallinari ASWS AS+BDIA Apprentissage Symbolique et Web Sémantique FDMS AFD+ Fouille de Données et Médias Sociaux MRBCI TIAPIAD +MORA RI BDLE ARI+MR +IMW 2 parmi BDRA, ABDR, BDMD Modélisation et raisonnement à base de connaissances imprécises Recherche d'information et Moteurs de Recherche Bases de Données Large- Echelle Jean-Gabriel Ganascia, Bernd Amann Sylvain Lamprier, Vincent Guige Christophe Marsala Patrick Gallinari, Sabrina Tollari Bernd Amann, Camelia Constantin IAR ANIMAT IA pour la Robotique ANDROIDE (Doncieux) RDFIA Reconnaissance des formes pour l'analyse et l'interprétation d'images IMA (Cord, Manzanera)

17 UEs recommandées en M1S2 MQIA Méthodes Quantitatives en IA Thierry Artières MIA Méthodes Symboliques en IA Jean-Gabriel Ganascia BDR Bases de Données Réparties (spécialité SAR) B. Amann

Spécialité IAD. Master de Sciences et technologie de l UPMC. Mention informatique. Partenaires : ENST, ENSTA. Responsables : T. Artières, C.

Spécialité IAD. Master de Sciences et technologie de l UPMC. Mention informatique. Partenaires : ENST, ENSTA. Responsables : T. Artières, C. Master de Sciences et technologie de l UPMC Mention informatique Spécialité IAD Partenaires : ENST, ENSTA Responsables : T. Artières, C. Gonzales Secrétariat : N. Nardy LES THÉMATIQUES ABORDÉES Les thématiques

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/ Ingénierie de Systèmes Intelligents Application : Web Intelligent Maria Malek EISTI Ingénierie de Systèmes Intelligents p. 2/ Objectif Traitement Intelligent des

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

Technologies Web. Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya. Université Pierre et Marie Curie

Technologies Web. Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya. Université Pierre et Marie Curie 1 / 22 Technologies Web Ludovic Denoyer Sylvain Lamprier Mohamed Amine Baazizi Gabriella Contardo Narcisse Nya Université Pierre et Marie Curie Rappel 2 / 22 Problématique Quelles technologies utiliser

Plus en détail

FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis

FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités

Plus en détail

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be

Groupe de Discussion Big Data Aperçu des technologies et applications. Stéphane MOUTON stephane.mouton@cetic.be Groupe de Discussion Big Data Aperçu des technologies et applications Stéphane MOUTON stephane.mouton@cetic.be Recherche appliquée et transfert technologique q Agréé «Centre Collectif de Recherche» par

Plus en détail

Le BigData, aussi par et pour les PMEs

Le BigData, aussi par et pour les PMEs Parole d expert Le BigData, aussi par et pour les PMEs Stéphane MOUTON, CETIC Département Software and Services Technologies Avec le soutien de : LIEGE CREATIVE Le Big Data, aussi par et pour les PMEs

Plus en détail

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html Option Deux thèmes : La recherche opérationnelle : Traiter des problèmes d optimisation, d aide à la décision et d évaluation de performances

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -"Big Data par l'exemple" -Julien DULOUT

20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013. 20 ans du SIAD -Big Data par l'exemple -Julien DULOUT 20 ans du Master SIAD de Toulouse - BigData par l exemple - Julien DULOUT - 22 mars 2013 20 ans du SIAD -"BigData par l'exemple" -Julien DULOUT Qui a déjà entendu parler du phénomène BigData? Qui a déjà

Plus en détail

Présentation de la majeure ISN. ESILV - 18 avril 2013

Présentation de la majeure ISN. ESILV - 18 avril 2013 Présentation de la majeure ISN ESILV - 18 avril 2013 La Grande Carte des Métiers et des Emplois Sociétés de service Entreprises Administrations Grand- Public Sciences Utiliser Aider à utiliser Vendre APPLICATIONS:

Plus en détail

Les humanités numériques à l ère du big data

Les humanités numériques à l ère du big data Les humanités numériques à l ère du big data D. A. ZIGHED djamel@zighed.com Journées Big data & visualisation Focus sur les humanités numériques ISH Lyon 18-19 juin 2015 Co-organisées par EGC AFIHM - SFdS

Plus en détail

July 1, 2013. Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15

July 1, 2013. Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15 Mastère Spécialisé Big Data Stéphan Clémençon Télécom ParisTech July 1, 2013 Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, 2013 1 / 15 Agenda Contexte et Opportunité Les grandes lignes

Plus en détail

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6

Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Fouille de Données et Media Sociaux Cours 2 Master DAC Data Science UPMC - LIP6 Ludovic Denoyer 21 septembre 2015 Ludovic Denoyer () FDMS 21 septembre 2015 1 / 1 Contexte Observation La plupart des bonnes

Plus en détail

Fouillez facilement dans votre système Big Data. Olivier TAVARD

Fouillez facilement dans votre système Big Data. Olivier TAVARD Fouillez facilement dans votre système Big Data Olivier TAVARD A propos de moi : Cofondateur de la société France Labs Développeur (principalement Java) Formateur en technologies de moteurs de recherche

Plus en détail

Les sections 6 et 7. du ComitéNational de la RechercheScientifique

Les sections 6 et 7. du ComitéNational de la RechercheScientifique Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational

Plus en détail

CENTAI : Big Data & Big Analytics Réunion DGPN / Thales Octobre 2013

CENTAI : Big Data & Big Analytics Réunion DGPN / Thales Octobre 2013 www.thalesgroup.com CENTAI : Big Data & Big Analytics Réunion DGPN / Thales Octobre 2013 2 / Sommaire CENTAI : Présentation du laboratoire Plate-forme OSINT LAB Détection de la fraude à la carte bancaire

Plus en détail

l Intelligence Artificielle

l Intelligence Artificielle 1 Introduction à l Intelligence Artificielle Antoine Cornuéjols antoine@lri.fr http://www.iie.cnam.fr/~cornuejols/ I.I.E. & L.R.I., Université d Orsay Intelligence Artificielle : plan 2 1-2- 3-4- 5-6-

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/? Ingénierie de Systèmes Intelligents Maria Malek maria.malek@eisti.fr Ecole Internationale des Sciences de Traitement de l Information (EISTI) http://www.eisti.fr/

Plus en détail

Master. en sciences et technologies mention informatique. LIP6 - Frédéric Delvalle

Master. en sciences et technologies mention informatique. LIP6 - Frédéric Delvalle Master en sciences et technologies mention informatique LIP6 - Frédéric Delvalle mention informatique Directeur : Bruno Escoffier Directrice-adjointe : Maria Potop-Butucaru Responsable administrative :

Plus en détail

Les datas = le fuel du 21ième sicècle

Les datas = le fuel du 21ième sicècle Les datas = le fuel du 21ième sicècle D énormes gisements de création de valeurs http://www.your networkmarketin g.com/facebooktwitter-youtubestats-in-realtime-simulation/ Xavier Dalloz Le Plan Définition

Plus en détail

Informatique, spécialité AIGLE

Informatique, spécialité AIGLE Université de MONTPELLIER 2 1/3 Informatique, spécialité AIGLE L1 S1 Algebre et Analyse 1 10 L1 S1 Calculus 5 L1 S1 Du binaire au web 5 L1 S1 Introduction à l'algorithmique 5 L1 S1 Physique générale 5

Plus en détail

Les enjeux du Big Data Innovation et opportunités de l'internet industriel. Datasio 2013

Les enjeux du Big Data Innovation et opportunités de l'internet industriel. Datasio 2013 Les enjeux du Big Data Innovation et opportunités de l'internet industriel François Royer froyer@datasio.com Accompagnement des entreprises dans leurs stratégies quantitatives Valorisation de patrimoine

Plus en détail

Marc SALLIERES CEO ALTIC marc.sallieres@altic.org. www.altic.org

Marc SALLIERES CEO ALTIC marc.sallieres@altic.org. www.altic.org Marc SALLIERES CEO ALTIC marc.sallieres@altic.org www.altic.org Présentation ALTIC Les projets ALTIC BI Open Source véritable alternative Spécialiste BI Open Source Présentation ALTIC 2009 Club Finance

Plus en détail

Technologies du Web. Ludovic DENOYER - ludovic.denoyer@lip6.fr. Février 2014 UPMC

Technologies du Web. Ludovic DENOYER - ludovic.denoyer@lip6.fr. Février 2014 UPMC Technologies du Web Ludovic DENOYER - ludovic.denoyer@lip6.fr UPMC Février 2014 Ludovic DENOYER - ludovic.denoyer@lip6.fr Technologies du Web Plan Retour sur les BDs Le service Search Un peu plus sur les

Plus en détail

OLAP. Data Mining Decision

OLAP. Data Mining Decision Machine Learning Information Systems Data Warehouses Web & Cloud Intelligence OLAP Knowledge Management Data Mining Decision ENTREPÔTS, REPRÉSENTATION & INGÉNIERIE des CONNAISSANCES Une recherche pluridisciplinaire...

Plus en détail

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data. Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision

Plus en détail

Présentation Société Actulligence Consulting

Présentation Société Actulligence Consulting Présentation Société Actulligence Consulting Conseil et Accompagnement Intelligence économique Veille stratégique e-réputation Actulligence Consulting : Présentation Frédéric Martinet, Consultant indépendant

Plus en détail

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21 IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

Gestion de Contenus Web (WCM)

Gestion de Contenus Web (WCM) Web Content Management 1 Gestion de Contenus Web (WCM) Bernd Amann Modelware : vers la modélisation et la sémantisation de l information École CEA-EDF-INRIA 16-27 juin 2003 Cours No 1 - Gestion de Contenus

Plus en détail

Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle?

Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle? Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle? Daniel K. Schneider TECFA FPSE - Université de Genève daniel.schneider@unige.ch Unité de technologie de l'éducation Université

Plus en détail

For Fun and Profit Datasio 2012

For Fun and Profit Datasio 2012 For Fun and Profit Datasio 2012 130 Nouveaux acteurs Big Data depuis 2009 1 2 3 Agenda Hadoop, poids lourd du Big Data Stats Web avec Hive chez Scoop.it Profession: Data Scientist Agenda 1 Hadoop, poids

Plus en détail

BIG DATA et DONNéES SEO

BIG DATA et DONNéES SEO BIG DATA et DONNéES SEO Vincent Heuschling vhe@affini-tech.com @vhe74 2012 Affini-Tech - Diffusion restreinte 1 Agenda Affini-Tech SEO? Application Généralisation 2013 Affini-Tech - Diffusion restreinte

Plus en détail

Les entrepôts de données pour les nuls... ou pas!

Les entrepôts de données pour les nuls... ou pas! Atelier aideà la Décision à tous les Etages AIDE@EGC2013 Toulouse Mardi 29 janvier 2013 Cécile Favre Fadila Bentayeb Omar Boussaid Jérôme Darmont Gérald Gavin Nouria Harbi Nadia Kabachi Sabine Loudcher

Plus en détail

Architecte de Services informatiques en Réseaux (ASR)

Architecte de Services informatiques en Réseaux (ASR) Voie d Approfondissement Architecte de Services informatiques en Réseaux (ASR) Michel SIMATIC 18/12/2012 Évolution des systèmes répartis Des matériels communicants de plus en plus nombreux Des matériels

Plus en détail

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Motivations de la filière fouille de données

Plus en détail

Université Libre de Tunis

Université Libre de Tunis Ingénieur: Génie Informatique Code et Intitulé des Matières Enseignées Plan d'etudes : Semestre 1 S1-01 Algorithmique et Structures de Données 1 S1-02 Programmation C S1-03 Logiques Mathématiques S1-04

Plus en détail

LES INGÉNIEURS. de la société numérique. Enseignement supérieur recherche, innovation

LES INGÉNIEURS. de la société numérique. Enseignement supérieur recherche, innovation LES INGÉNIEURS de la société numérique Enseignement supérieur recherche, innovation L école d ingénieurs de la société numérique Télécom SudParis est une grande école qui forme des ingénieurs et des docteurs

Plus en détail

Introduction data science

Introduction data science Introduction data science Data science Master 2 ISIDIS Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale Laboratoire LISIC Equipe

Plus en détail

Formation Actuaire Data Scientist. Programme au 24 octobre 2014

Formation Actuaire Data Scientist. Programme au 24 octobre 2014 Formation Actuaire Data Scientist Programme au 24 octobre 2014 A. Eléments logiciels et programmation Python 24h Objectif : Introduction au langage Python et sensibilisation aux grandeurs informatiques

Plus en détail

Le potentiel et les défis du Big Data. Mardi 2 et Mercredi 3 Juillet 2013

Le potentiel et les défis du Big Data. Mardi 2 et Mercredi 3 Juillet 2013 Big DATA & ANALYTICS Le potentiel et les défis du Big Data Mardi 2 et Mercredi 3 Juillet 2013 QUI SUIS-JE? AMPLEUR, QUELQUES FAITS SAILLANTS Mantra vertus magiques, vitesse de propagation, amplitude richterienne

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Recherche Web B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques basés sur les documents

Plus en détail

Les technologies du Big Data

Les technologies du Big Data Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR

Plus en détail

Fouille de données et sémantique : des techniques pour donner du sens aux données

Fouille de données et sémantique : des techniques pour donner du sens aux données Fouille de données et sémantique : des techniques pour donner du sens aux données Nathalie Aussenac-Gilles (IRIT) co-animatrice avec M. Boughanem de l axe masse de données et calcul http://www.irit.fr/-masses-de-donnees-et-calcul,677-?lang=fr

Plus en détail

Architecte de Services Informatiques

Architecte de Services Informatiques Voie d Approfondissement ASR Architecte de Services Informatiques en Réseaux Chantal Taconet 16/12/2014 Contexte scientifique Modalités ASR Après ASR Positionnement ASR Témoignages 2 16/12/2014 Modèle

Plus en détail

LE MEILLEUR DES SOLUTIONS COLLABORATIVE OPEN SOURCE. et pas que la GED

LE MEILLEUR DES SOLUTIONS COLLABORATIVE OPEN SOURCE. et pas que la GED LE MEILLEUR DES SOLUTIONS COLLABORATIVE OPEN SOURCE et pas que la GED Présentation de Smile mars 2014 Thomas Choppy @thcho @groupsmile Manager de la BL Collaborative Smile, EN QUELQUES CHIFFRES 1er INTÉGRATEUR

Plus en détail

BIG DATA en Sciences et Industries de l Environnement

BIG DATA en Sciences et Industries de l Environnement BIG DATA en Sciences et Industries de l Environnement François Royer www.datasio.com 21 mars 2012 FR Big Data Congress, Paris 2012 1/23 Transport terrestre Traçabilité Océanographie Transport aérien Télémétrie

Plus en détail

L Entreprise et le Numérique

L Entreprise et le Numérique L Entreprise et le Numérique DENIS ATTAL DIRECTEUR TECHNIQUE DE L ACTIVITÉ INFORMATIQUE ET CYBERSÉCURITÉ DE THALES www.thalesgroup.com SONDAGE 1 Quelle est la discipline dans laquelle on travaille ouvertement

Plus en détail

Panorama des contenus

Panorama des contenus journée professionnelle organisée par ABPN Association des Bibliothécaires de la Province Nord Panorama des contenus documentaires numériques Isabelle Gasser IRD Nouméa - Documentation Plan Contexte t

Plus en détail

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc. Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants

Plus en détail

Formation continue. Ensae-Ensai Formation Continue (Cepe)

Formation continue. Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat

Plus en détail

Introduction aux bases de données NoSQL

Introduction aux bases de données NoSQL Introduction aux bases de données NoSQL Khaled Tannir ets@khaledtannir.net Montréal - 23 Juillet 2015 Qui suis-je? Khaled TANNIR Big Data Architect Lead 20 ans d expérience ets@khaledtannir.net @khaled_tannir

Plus en détail

Data Mining. Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012

Data Mining. Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012 Data Mining Exposés logiciels, systèmes et réseaux. Damien Jubeau IR3 Lundi 19 novembre 2012 2 Plan Data mining : définition, utilisations et concepts Wolfram Alpha : extraction de données d'un compte

Plus en détail

LA 1 ÈRE PLACE DE MARCHÉ DE L UNIVERS DATA. Un événement. En tenue conjointe avec

LA 1 ÈRE PLACE DE MARCHÉ DE L UNIVERS DATA. Un événement. En tenue conjointe avec LA 1 ÈRE PLACE DE MARCHÉ DE L UNIVERS DATA Un événement En tenue conjointe avec LE DATA INTELLIGENCE EST LE NOUVEAU RENDEZ-VOUS DU MANAGEMENT DE LA DATA En 2013, avec la création des Data Intelligence

Plus en détail

Sujet du stage Mise en place et paramétrage d un moteur spécialisé pour la recherche de CV à travers le web

Sujet du stage Mise en place et paramétrage d un moteur spécialisé pour la recherche de CV à travers le web Sujet du stage Mise en place et paramétrage d un moteur spécialisé pour la recherche de CV à travers le web Responsable du stage : Nabil Belcaid Le Guyader Chef de projet : Ali Belcaid Déroulement du stage

Plus en détail

MASTODONS. Un défi CNRS sur les «Big Data» Mokrane Bouzeghoub. Séminaire DUs INSHS - 6/12/2012

MASTODONS. Un défi CNRS sur les «Big Data» Mokrane Bouzeghoub. Séminaire DUs INSHS - 6/12/2012 MASTODONS Un défi CNRS sur les «Big Data» Mokrane Bouzeghoub Séminaire DUs INSHS - 6/12/2012 1 Qu est qu une (très grande) masse de données? VLDB XLDB Massive Data Big Data Very Big Data Data Deluge Grandes

Plus en détail

Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006

Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006 Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006 www.agence-nationale-recherche.fr Bref historique Un objectif

Plus en détail

Informatique des systèmes embarqués

Informatique des systèmes embarqués 1 Informatique des systèmes embarqués Former des ingénieurs capables d appréhender la programmation et l intégration de systèmes complexes pouvant être embarqués, intégrés, interactifs et communicants.

Plus en détail

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux Plan Objectifs Débouchés Formation UVs spécifiques UVs connexes Enseignants et partenaires Structure générale des études à l UTC Règlement

Plus en détail

Spécifications de la Plateforme OrphaMine

Spécifications de la Plateforme OrphaMine Spécifications de la Plateforme OrphaMine Chedy Raïssi 24 juillet 2013 1 Table des matières 1 Présentation de la plateforme OrphaMine 2 1.1 Objectifs.............................. 2 1.1.1 Les contraintes......................

Plus en détail

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique

Plus en détail

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac. CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription

Plus en détail

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15

MapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué

Plus en détail

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP

Plus en détail

Licence professionnelle Développement d'applications Intranet/Internet

Licence professionnelle Développement d'applications Intranet/Internet Promotion /3 Situation au er mars 4 Site : Clermont-Ferrand / Aubière Licence professionnelle Développement d'applications Intranet/Internet Objectif de cette licence professionnelle : Cette licence spécialise

Plus en détail

Microsoft Azure. Principales fonctions. Calipia usage réservé aux établissements dépendant du Ministère de l Enseignement Supérieur et de la Recherche

Microsoft Azure. Principales fonctions. Calipia usage réservé aux établissements dépendant du Ministère de l Enseignement Supérieur et de la Recherche Microsoft Azure Microsoft Azure est l offre de Cloud Computing de Microsoft pour héberger les services, tous types de données et les applications d entreprise (quel que soit le langage). Microsoft Azure

Plus en détail

Formation Cloudera Data Analyst Utiliser Pig, Hive et Impala avec Hadoop

Formation Cloudera Data Analyst Utiliser Pig, Hive et Impala avec Hadoop Passez au niveau supérieur en termes de connaissance grâce à la formation Data Analyst de Cloudera. Public Durée Objectifs Analystes de données, business analysts, développeurs et administrateurs qui ont

Plus en détail

Annonces internes SONATRACH RECHERCHE POUR SA DIRECTION CENTRALE INFORMATIQUE ET SYSTÈME D INFORMATION :

Annonces internes SONATRACH RECHERCHE POUR SA DIRECTION CENTRALE INFORMATIQUE ET SYSTÈME D INFORMATION : Bourse de l emploi Annonces internes SONATRACH RECHERCHE POUR SA DIRECTION CENTRALE INFORMATIQUE ET SYSTÈME D INFORMATION : Deux (02) Ingénieurs Sécurité Système d Information Direction Qualité, Méthodes

Plus en détail

Voie d Approfondissement ASR Architecte de Services Informatiques en Réseaux. Bruno Defude / Chantal Taconet

Voie d Approfondissement ASR Architecte de Services Informatiques en Réseaux. Bruno Defude / Chantal Taconet Voie d Approfondissement ASR Architecte de Services Informatiques en Réseaux Bruno Defude / Chantal Taconet 18/12/2013 Contexte scientifique Évolution des systèmes répartis Des matériels communicants de

Plus en détail

Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique

Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique entre l Université François-Rabelais de Tours (France) et Université Gaston Berger de Saint Louis (Sénégal)

Plus en détail

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures :

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures : Appel à candidatures : Année de campagne : 2014 N appel à candidatures : ATER0318 Publication : 12/02/2014 Etablissement : Lieu d'exercice des fonctions : Section1 : 27 - Informatique Quotité du support

Plus en détail

Big Data et Prévisions. Philippe Picard, le 24 juin 2015. Page 1

Big Data et Prévisions. Philippe Picard, le 24 juin 2015. Page 1 Big Data et Prévisions Philippe Picard, le 24 juin 2015. Page 1 Vous dites prévisions et prédictions? Neptune Météo Marées Boson de Higgs Loto PMU Economie Sismique + Nostradamus _ Philippe Picard, le

Plus en détail

Anticiper et prédire les sinistres avec une approche Big Data

Anticiper et prédire les sinistres avec une approche Big Data Anticiper et prédire les sinistres avec une approche Big Data Julien Cabot Directeur Big Data Analytics OCTO jcabot@octo.com @julien_cabot OCTO 2013 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél

Plus en détail

Accès au Contenu Informationnel pour les Masses de Données de Documents

Accès au Contenu Informationnel pour les Masses de Données de Documents Accès au Contenu Informationnel pour les Masses de Données de Documents Grappa LILLE 3 - UR Futurs INRIA MOSTRARE Laboratoire d Informatique de Paris 6 Laboratoire de Recherche en Informatique Orsay -

Plus en détail

Emergence du Big Data Exemple : Linked Open Data

Emergence du Big Data Exemple : Linked Open Data 16/05/2014 Une approche interdisciplinaire des grandes masses de données (Défi Mastodons) Mokrane Bouzeghoub DAS INS2I / MI 1 Emergence du Big Data Exemple : Linked Open Data Accès à plusieurs BD scientifiques

Plus en détail

MapReduce. Nicolas Dugué nicolas.dugue@univ-orleans.fr. M2 MIAGE Systèmes d information répartis

MapReduce. Nicolas Dugué nicolas.dugue@univ-orleans.fr. M2 MIAGE Systèmes d information répartis MapReduce Nicolas Dugué nicolas.dugue@univ-orleans.fr M2 MIAGE Systèmes d information répartis Plan 1 Introduction Big Data 2 MapReduce et ses implémentations 3 MapReduce pour fouiller des tweets 4 MapReduce

Plus en détail

Journées Big Data à l ENSAI Big Data: les challenges, les défis

Journées Big Data à l ENSAI Big Data: les challenges, les défis Journées Big Data à l ENSAI Big Data: les challenges, les défis Stéphan Clémençon Télécom ParisTech November 22, 2013 Stéphan Clémençon (Télécom ParisTech) Big Data November 22, 2013 1 / 22 Agenda Contexte

Plus en détail

TRAVAUX DE RECHERCHE DANS LE

TRAVAUX DE RECHERCHE DANS LE TRAVAUX DE RECHERCHE DANS LE DOMAINE DE L'EXPLOITATION DES DONNÉES ET DES DOCUMENTS 1 Journée technologique " Solutions de maintenance prévisionnelle adaptées à la production Josiane Mothe, FREMIT, IRIT

Plus en détail

Innover à l'ère du numérique : ramener l'europe sur la bonne voie Présentation de J.M. Barroso,

Innover à l'ère du numérique : ramener l'europe sur la bonne voie Présentation de J.M. Barroso, Innover à l'ère du numérique : ramener l'europe sur la bonne voie Présentation de J.M. Barroso, Président de la Commission européenne, au Conseil européen des 24 et 25 octobre 213 Indice de compétitivité

Plus en détail

Programme et contenus 2013-2014. Master MIAGE de Lille en alternance ou en formation continue, deuxième année 04-06-2013 (15:19)

Programme et contenus 2013-2014. Master MIAGE de Lille en alternance ou en formation continue, deuxième année 04-06-2013 (15:19) Programme et contenus 2013-2014 M2 MIAGE FA/FC Master MIAGE de Lille en alternance ou en formation continue, deuxième année 04-06-2013 (15:19) PROGRAMME ET CONTENUS 2013-2014 Séminaire de rentrée UE Organisation

Plus en détail

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Master Sciences et Technologies. Mention Informatique. Spécialité MOCAD. En Alternance

Master Sciences et Technologies. Mention Informatique. Spécialité MOCAD. En Alternance Master Sciences et Technologies Mention Informatique Spécialité MOCAD En Alternance 2 Le Master Informatique MOCAD de l'université Lille 1 s'adresse à tout étudiant(e) titulaire d'une première année de

Plus en détail

Z i e d Z a i e r ( 5 1 4 ) 5 8 5-0 2 6 6

Z i e d Z a i e r ( 5 1 4 ) 5 8 5-0 2 6 6 Informations personnelles 2900 Chemin de Bedford Apt. 2 Montréal, Québec. H3S 1G6. CANADA Zied Zaier (514) 585-0266 zaier.zied@gmail.com Résumé des compétences - Bon esprit d'analyse et de synthèse - Excellente

Plus en détail

OFFRE DE FORMATION L.M.D.

OFFRE DE FORMATION L.M.D. REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE OFFRE DE FORMATION L.M.D. MASTER PROFESSIONNEL ET ACADEMIQUE Systèmes d Information

Plus en détail

Enjeux mathématiques et Statistiques du Big Data

Enjeux mathématiques et Statistiques du Big Data Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris

Plus en détail

Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data?

Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data? Monétisation des données : comment identifier de nouvelles sources de revenus au sein des Big data? Dr Wolfgang Martin Analyste et adhérant du Boulder BI Brain Trust Les Big data Démystifier les Big data.

Plus en détail

Catalogue des stages Ercom 2013

Catalogue des stages Ercom 2013 Catalogue des stages Ercom 2013 Optimisations sur Modem LTE Poste basé à : Caen (14) Analyse et optimisation des performances des traitements réalisés dans un modem LTE. - Profiling et détermination des

Plus en détail

Big Data On Line Analytics

Big Data On Line Analytics Fdil Fadila Bentayeb Lb Laboratoire ERIC Lyon 2 Big Data On Line Analytics ASD 2014 Hammamet Tunisie 1 Sommaire Sommaire Informatique décisionnelle (BI Business Intelligence) Big Data Big Data analytics

Plus en détail

Septembre 2015. Résultats du Baromètre DSI 2015 des projets et investissements informatiques

Septembre 2015. Résultats du Baromètre DSI 2015 des projets et investissements informatiques Septembre 2015 Résultats du Baromètre DSI 2015 des projets et investissements informatiques Etude VoxDI 2015: La 3 ème édition de l étude VoxDI, la voix des Décideurs Informatiques, a pour objectif d établir

Plus en détail

Recherche sémantique d information textuelle

Recherche sémantique d information textuelle Unité Mathématique, Informatique et Génome T e c h n i q u e s d ' e x p l o i t a t i o n d e s d o c u m e n t s m u l t i m é d i a s Recherche sémantique d information textuelle Claire Nédellec, Pascale

Plus en détail

Technologies de la Recherche et standards du Web: Quel impact sur l Innovation?

Technologies de la Recherche et standards du Web: Quel impact sur l Innovation? Technologies de la Recherche et standards du Web: Quel impact sur l Innovation? GFII - 6 Décembre 2013 Bernard Odier INRIA W3C Bureau France INRIA: à la pointe de l innovation numérique Création d INRIA

Plus en détail

Tronc Commun. Premier Semestre

Tronc Commun. Premier Semestre PLAN D ÉTUDE Programme de la Première année Tronc Commun Mathématiques Discrètes Probabilités et Statistiques Réseaux et Systèmes Transmissions de Données Fondements de Système d Exploitation Réseaux Informatiques

Plus en détail

Mesures DNS à l ère du Big Data : outils et défis. JCSA, 9 juillet 2015 Vincent Levigneron, Afnic

Mesures DNS à l ère du Big Data : outils et défis. JCSA, 9 juillet 2015 Vincent Levigneron, Afnic Mesures DNS à l ère du Big Data : outils et défis JCSA, 9 juillet 2015 Vincent Levigneron, Afnic Sommaire 1. Mesures DNS réalisées par l Afnic 2. Volumes et biais 3. Limitations 4. Pourquoi une approche

Plus en détail

Préface Dunod Toute reproduction non autorisée est un délit. Les raisons de l émergence du Big Data sont bien connues. Elles sont d abord économiques et technologiques. La chute exponentielle des coûts

Plus en détail

Big Data. Concept et perspectives : la réalité derrière le "buzz"

Big Data. Concept et perspectives : la réalité derrière le buzz Big Data Concept et perspectives : la réalité derrière le "buzz" 2012 Agenda Concept & Perspectives Technologies & Acteurs 2 Pierre Audoin Consultants (PAC) Pierre Audoin Consultants (PAC) est une société

Plus en détail

MASTER LPL : LANGUE ET INFORMATIQUE (P)

MASTER LPL : LANGUE ET INFORMATIQUE (P) MASTER LPL : LANGUE ET INFORMATIQUE (P) RÉSUMÉ DE LA FORMATION Type de diplôme := Master Domaine : Arts, Lettres, Langues Mention : LITTERATURE, PHILOLOGIE, LINGUISTIQUE Spécialité : LANGUE ET INFORMATIQUE

Plus en détail

Présentations personnelles. filière IL

Présentations personnelles. filière IL Présentations personnelles filière IL Résumé Liste de sujets de présentations personnelles. Chaque présentation aborde un sujet particulier, l'objectif étant que la lecture du rapport ainsi que l'écoute

Plus en détail

Projet de Chaire Machine-learning

Projet de Chaire Machine-learning Projet de Chaire Machine-learning Stéphan Clémençon Télécom ParisTech January 15, 2013 Stéphan Clémençon (Télécom ParisTech) Chaire Apprentissage January 15, 2013 1 / 1 Machine-learning: un bref tour d

Plus en détail

Edition FR. Sujets Se connecter Plus. Chiffres : Le temps passé sur le réseau social écrase à plate-couture celui passé sur Google et Yahoo.

Edition FR. Sujets Se connecter Plus. Chiffres : Le temps passé sur le réseau social écrase à plate-couture celui passé sur Google et Yahoo. 1 sur 9 17:11 Edition FR Sujets Se connecter Plus publicité Sujet: Chiffres Suivre via: Chiffres : Le temps passé sur le réseau social écrase à plate-couture celui passé sur Google et Yahoo. Par La rédaction

Plus en détail