Contenus

Objectif du Cours

Ce cours vise à initier les étudiants au processus de fouille de données. Cela inclut la description de la préparation et du prétraitement des données, des différents algorithmes de fouille de données ainsi que des outils disponibles pour évaluer leurs résultats. Le cours se concentre sur les approches standard concernant l’extraction de règles d’association, la classification supervisée et la classification non supervisée (clustering). Des connaissances statistiques de base sont nécessaires pour comprendre les algorithmes de fouille ainsi que les outils d’évaluation de la qualité.

Contenu du Cours

S1 : Introduction, vue d’ensemble
S2 : Statistiques descriptives
S3 : Prétraitement des données
S4 : Statistiques inférentielles et leurs outils de prétraitement
S5 : Application de code 1
S6 : Régression
S7 : Classification 1
S8 : Classification 2
S9 : Clustering 1, 2
S10 : Application de code 2
S11 : Présentations de projets

Acquis d'Apprentissage du Cours

Préparation des données
Connaissances théoriques et pratiques des algorithmes standards de fouille de données
Outils standards d’évaluation

Méthodes d'Enseignement

Cours théorique et pratique
Devoirs

Ressources

• Data Mining - Practical Machine Learning Tools, 2nd edition, Ian H. Witten & Eibe Frank, Morgan Kaufmann, 2005.
• Neural Networks - A Comprehensive Foundation, 2nd edition, Simon Haykin, Pearson/Prentice Hall,1999.
• Data Mining: Concepts and Techniques, Jiawei Han & Micheline Kamber, Morgan Kaufmann, 2000.
• Applied Statistics and Probabilities for Engineers, 4th edition, D.C. Montgomery & G.C. Runger, John Willey & sons, 2006.
• The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd edition, T. Hastie, R. Tibshirani & J. Friedman, Springer, 2009.

Intitulés des Sujets

Système d'évalution

Evalution de la Compétence

Tableau de la Charge de Travail