(INF 642)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| INF 642 | 1 | 3 | 0 | 0 | 3 | 8 |
| Cours Pré-Requis | |
| Conditions d'Admission au Cours |
| Langue du Cours | Anglais |
| Type de Cours | Électif |
| Niveau du Cours | Doctorat |
| Enseignant(s) du Cours | Sultan Nezihe TURHAN sturhan@gsu.edu.tr (Email) |
| Assistant(e)s du Cours | |
| Objectif du Cours | L’objectif principal de ce cours est de former des doctorants orientés recherche capables de contribuer à l’avancement théorique et méthodologique des systèmes de bases de données orientées graphes. Le cours vise à développer une expertise avancée en modèles de données graphes, technologies du Web sémantique et cadres d’intégration neuro-symbolique, tout en renforçant les compétences en raisonnement formel, analyse de complexité et conception algorithmique. Il a également pour objectif de fournir aux étudiants les bases théoriques et pratiques nécessaires à la production de recherches scientifiques de haut niveau et de publications dans des revues et conférences de premier plan. |
| Contenus | Ce cours couvre les fondements théoriques et méthodologiques des systèmes de bases de données orientées graphes, en mettant l’accent sur la sémantique formelle, l’expressivité des requêtes et la complexité computationnelle. Il débute par les concepts fondamentaux tels que les modèles de données graphes, la logique du premier ordre, le datalog et les homomorphismes de graphes, puis évolue vers le cadre formel du Web sémantique, incluant la sémantique RDF ainsi que le traitement et l’optimisation avancés des requêtes SPARQL. Le cours aborde également la représentation des connaissances et les systèmes de raisonnement à travers les logiques de description, l’inférence basée sur les ontologies et la gestion des incohérences. Une partie spécifique est consacrée à l’intégration neuro-symbolique, incluant le raisonnement différentiable sur graphes et les limites théoriques des réseaux de neurones de graphes. Les thèmes avancés comprennent la construction de graphes de connaissances, les modèles d’extraction d’information, l’apprentissage automatique d’ontologies et l’apprentissage relationnel statistique. Le cours traite également des systèmes de graphes distribués, en abordant le traitement des requêtes, les modèles de cohérence et les mécanismes de consensus. Enfin, des axes de recherche émergents tels que les graphes de connaissances temporels, l’intégration de données multimodales et le raisonnement intermodal sont explorés, offrant une base solide pour la recherche doctorale. |
| Acquis d'Apprentissage du Cours |
À l’issue de ce cours, les étudiants seront capables de : 1. Analyser les fondements théoriques des systèmes de bases de données orientées graphes, y compris la sémantique formelle, l’expressivité des requêtes et la complexité computationnelle. 2. Évaluer et comparer différents cadres de représentation des connaissances et de raisonnement, notamment RDF, OWL et les logiques de description. 3. Concevoir et optimiser des requêtes avancées sur graphes à l’aide de langages formels tels que SPARQL et Datalog. 4. Appliquer des techniques de raisonnement formel pour résoudre des problèmes liés à l’inférence ontologique, la gestion des incohérences et l’implication logique. 5. Évaluer de manière critique les approches neuro-symboliques, y compris les réseaux de neurones de graphes, en termes d’expressivité, de limites et de validité théorique. 6. Développer et mettre en œuvre des pipelines avancés de construction de graphes de connaissances en utilisant des méthodes formelles et statistiques. 7. Analyser les systèmes de graphes distribués en termes de modèles de cohérence, de traitement des requêtes et de passage à l’échelle. 8. Synthétiser les axes de recherche émergents dans le domaine des bases de données graphes, notamment les graphes de connaissances temporels et multimodaux. 9. Mener des recherches indépendantes en formulant des problématiques, en analysant la littérature scientifique et en produisant des résultats publiables. |
| Méthodes d'Enseignement | Ce cours adopte une approche pédagogique centrée sur l’étudiant et orientée vers la recherche, combinant rigueur théorique, apprentissage actif et investigation scientifique. Les méthodes d’enseignement incluent des cours avancés portant sur les fondements formels et les développements de pointe, complétés par des discussions approfondies de la littérature scientifique. Les étudiants participent à des lectures critiques et à des présentations d’articles de recherche, favorisant ainsi leurs capacités d’analyse et d’évaluation. Des devoirs hebdomadaires permettent de consolider les concepts théoriques à travers des exercices de résolution de problèmes et d’analyse formelle. Le cours intègre également des séances de type séminaire, encourageant la participation active et les processus de rétroaction entre pairs. Une part importante du processus d’apprentissage est consacrée à la recherche indépendante, au cours de laquelle les étudiants formulent des problématiques, conçoivent des méthodologies et développent des contributions originales sous la supervision de l’enseignant. Cette approche intégrée vise à relier théorie et pratique de la recherche, préparant ainsi les étudiants à des travaux scientifiques de niveau doctoral. |
| Ressources |
1. Serles, U., & Fensel, D. (2024). An introduction to knowledge graphs. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-45256-7 2. Hogan, A., Blomqvist, E., Cochez, M., d'Amato, C., Melo, G. D., Gutierrez, C., Kirrane, S., Gayo, J. E. L., Navigli, R., & Neumaier, S. (2021). Knowledge graphs. (Synthesis Lectures on Data, Semantics, and Knowledge). Springer Verlag. https://doi.org/10.2200/S01125ED1V01Y202109DSK022 3. Kejriwal, M., Knoblock, C. A., & Szekely, P. (2021). Knowledge graphs: Fundamentals, techniques, and applications. The MIT Press. https://doi.org/10.7551/mitpress/11382.001.0001 4. Lectures complémentaires et recommandées: En complément des ouvrages de référence, les étudiants sont invités à consulter des articles scientifiques récents à fort impact issus de conférences et revues de premier plan. La liste des articles sélectionnés est mise à jour chaque année afin de refléter les avancées les plus récentes et les nouvelles orientations de recherche dans les domaines des bases de données graphes, du Web sémantique et des systèmes neuro-symboliques. |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Concepts fondamentaux théoriques des bases de données orientées graphes |
| 2 | Web sémantique et cadre théorique RDF |
| 3 | SPARQL |
| 4 | Systèmes de représentation des connaissances et de raisonnement et OWL |
| 5 | Théorie de l’intégration neuro-symbolique |
| 6 | Construction avancée de graphes de connaissances |
| 7 | Théorie des systèmes de graphes distribués |
| 8 | Graphes de connaissances temporels : logique du temps et théorie du versionnage |
| 9 | Intégration multimodale et cadres de raisonnement intermodal |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 |
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Contribution du contrôle continu à la note finale | 6 | 50 |
| Contribution de l'examen final à la note finale | 1 | 50 |
| Toplam | 7 | 100 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Devoir | 5 | 20 |
| Présentation | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 |
| Projet | 0 | 0 |
| Travail de laboratoire | 0 | 0 |
| Autres travaux pratiques | 0 | 0 |
| Quiz | 0 | 0 |
| Devoir/projet de session | 1 | 30 |
| Portefeuille | 0 | 0 |
| Rapport | 0 | 0 |
| Journal d'apprentissage | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 |
| Séminaire | 0 | 0 |
| Autre | 0 | 0 |
| Make-up | 0 | 0 |
| Toplam | 6 | 50 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Durée du cours | 14 | 3 | 42 |
| Préparation pour le cours | 14 | 6 | 84 |
| Devoir | 5 | 2 | 10 |
| Présentation | 0 | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 0 | 0 | 0 |
| Projet | 0 | 0 | 0 |
| Laboratoire | 0 | 0 | 0 |
| Autres travaux pratiques | 0 | 0 | 0 |
| Examen final (temps de préparation inclu) | 0 | 0 | 0 |
| Quiz | 0 | 0 | 0 |
| Devoir/projet de session | 1 | 10 | 10 |
| Portefeuille | 0 | 0 | 0 |
| Rapport | 0 | 0 | 0 |
| Journal d'apprentissage | 0 | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 | 0 |
| Séminaire | 0 | 0 | 0 |
| Autre | 0 | 0 | 0 |
| baclé | 0 | 0 | 0 |
| Yil | 0 | 0 | 0 |
| Yil | 1 | 30 | 30 |
| Yil | 0 | 0 | 0 |
| Charge totale de Travail | 176 | ||
| Charge totale de Travail / 25 | 7.04 | ||
| Crédits ECTS | 7 | ||