Éléments du programme de l option IAD Maria Malek 19 octobre 2010 1 Module exploration des données - 134h Les cours propres à ce module sont : Apprentissage symbolique - 20h. Intelligence collective et web mining - 20h. Réseaux de neurones - 20h. Fouille de données visuelles - 20h. Analyse des réseaux sociaux - 30h. Vie Artificielle - 24h. 2 Module Recherche Opérationnelle - 102h Programmation par contraintes - 24h. Théorie de la complexité - 30h. SAS/OR Recherche opérationnelle - 24h. Recherche Opérationnelle Avancée - 24h. 3 Ateliers & Conférences - 40h Python - 20h. Web sémantique - 20h. Participation à des conférences etc. 4 Les projets de l option - 300h 4.1 Projet d entreprise - 100h A définir 1
4.2 PFE - 200h 4.2 PFE - 200h A définir 5 des cours 5.1 Module Exploration des Données 5.1.1 Apprentissage Symbolique - 20H Formulation d un problème d apprentissage symbolique, Les solutions dans un espace partiellement ordonné : l espace des versions, Elimination des candidats, Extension au cas des données incomplètes, Biais de langage, Critères de préférence d une solution : recherche heuristique d une meilleure solution. Méthodes descendantes et opérateurs de spécialisation, Méthodes ascendantes et opérateurs de généralisation, Utilisation de connaissances et réduction de l espace de recherche. Représentations en logique de prédicats : la programmation logique inductive, Apprentissage explicatif/descriptif, Apprentissage de prédicats (FOIL). 5.1.2 Web Mining - 20H Objectif Le but de ce cours est d introduire la problématique du web mining ainsi que son utilisation dans les méthodes de personnalisation, de découverte du profil utilisateur ainsi que le filtrage collaboratif. partie du projet global de l option. Cours et mini-projet par binôme. Les mini-projets font 1. Représentation et modélisation des données web : le contenu, la structure et le comportement. Représentation du contenu des pages webs. Modélisation des sessions de navigations. Représentation de la structure hyper-média du web. 2. Techniques d exploration des différents types de données et d actions utilisateurs. Algorithmes d apprentissage non supervisés : classification hiérarchique ascendante, centres mobiles, règles d association, etc. Algorithme d apprentissage supervisé : arbre de décision, réseaux de neurones raisonnement à partir de cas, etc. 3. Applications du web mining : Détection de profil, prédiction & recommendation personnalisation, adaptation des sites web et filtrage collaborative. Maria Malek- EISTI 2
5.1 Module Exploration des Données 5.1.3 Réseaux de neurones - 20H 1. Introduction aux Réseaux de Neurones et au logiciel SNNS. 2. Aspects Formel des Réseaux de Neurones. Régression Linéaire. 3. Perceptron : Perceptron multi-couches. 4. Les Réseaux RBF. 5. Adaline et Perceptron multi-couches. 6. Réseaux récurrents. 7. Adaptative Resonance Theorie. 8. Architecture de Hopfield. Architecture de Kohonen 9. Projet. et projet. Logiciel de simulation SNNS. Cours magistraux, travaux dirigés, travaux pratiques 5.1.4 Fouille de données visuelles - 20H 1. Acquisition et restitution de données visuelles, 2. Méthodes de base du traitement de données visuelles statiques, échantillonnage bi-dimensionnel, quantification, transformation de Fourier, filtrage et pré-traitement, 3. Restauration, Réduction de redondance, compression, compactage, 4. Extraction de contour, Segmentation, Reconnaissance d objets, Indexation et recherche par le contenu. 5.1.5 Analyse de réseaux sociaux - 30H 1. Fondements : Acteurs, Relations, Représentation par graphes et/ou matrices. 2. Exemple : le petit monde, les communautés sur internet, etc. 3. Calculs en analyse de réseaux sociaux : Centralité de degré, Centralité d intermédiarité, Centralité de Proximité. Centralité de prestige, Centralisation de pouvoir. Clustering coefficient, Degré de cohésion, Degré de densité. Longueur du chemin, Radiality, Reach. Équivalence structurale, Trou structural, Multiplexité. 5.1.6 Vie Artificielle - 30H Objectif Maria Malek- EISTI 3
5.2 Module Recherche Opérationnelle Cours et projets. 1. Complexité, émergence, automates cellulaires 2. Fractales, L-systèmes 3. Intelligence collective, algorithmes de colonies de fourmis 4. Systèmes multi-agents 5. Evolution artificielle 6. Mondes virtuels & perspectives 5.2 Module Recherche Opérationnelle 5.2.1 Programmation par contraintes et ordonnancement - 20H. Objectif Les modèles et Les méthodes utilisés en pratique pour résoudre des problèmes d ordonnancement d ateliers et de services sont étudiés. 1. Modélisation et résolution de problèmes à l aide de la programmation par contraintes. 2. Types de contraintes, principaux algorithmes et heuristiques de résolution. 3. La fonction ordonnancement en entreprise 4. Procédures par séparation et évaluation : application au problème d ordonnancement à cheminements multiples. 5. Modélisation mathématique et ordonnancement : application à des problèmes d emploi du temps. 5.2.2 Théorie de la complexité - 30H Objectif Les différentes classes de complexité des problèmes d optimisation combinatoire sont présentées. Les différents types d algorithmes approchés pour résoudre les problèmes ainsi que les liens entre complexité et approximation seront également étudiés. 1. Performance d un algorithme approché, algorithmes gourmands, schémas d approximation, 2. Classes de problèmes. 5.3 Ateliers & Conférences 5.3.1 Web sémantique et ontologies - 20H Objectif Le but de ce cours est d introduire le domaine du web sémantique et d ontologies ainsi que leurs utilisations afin d homogénéiser la représentation de connaissances sur le web et d y faciliter la recherche d information. Maria Malek- EISTI 4
5.4 Projets au sein de l option partie du projet global de l option. Cours et mini-projet par binôme. Les mini-projets font 1. Motivations, définitions et modèle en couches. 2. Formalisme : XML, RDF, RDF(s) et OWL 3. Notion d ontologies : intérêt, construction. 4. Sortes d ontologies : ontologie de domaine, de résolution, d application, etc. 5. Représentation d ontologies : formalisme et langages. 6. Ontologies : annotation, indexation et alignement. 5.4 Projets au sein de l option 5.4.1 Le projet d entreprise 5.4.2 Le projet de fin d études Maria Malek- EISTI 5