Retour |
Programmé en
MR 2A IHM Automne
IG 3A Automne |
EDF03B301 | |
Présentation | |
L'extraction de connaissance vise à produire, à partir de données recueillies ponctuellement ou accumulées au fil du temps, des éléments de décision répondant soit à un besoin spécifique comme l'identification d'une population particulière (la ménagère de moins de 50 par exemple), soit à un besoin plus général de segmentation d'une population (identifier les différents usages qui sont faits d'un service, comme un site web par exemple). Mêlant analyse de données, apprentissage et bases de données, ce domaine connait depuis plusieurs années une forte expansion de part l'accroissement de la puissance de calcul des ordinateurs, permettant de traiter rapidement un nombre de plus en plus important de données. Il est ainsi maintenant possible de traiter en temps raisonnable des domaines produisant de nombreuses données comme la base client d'une entreprise de la grande distribution ou les données génétiques issus de la bio-informatique. Cette UV permet de présenter les différentes approches et méthodes qui forment le socle théorique de l'informatique décisionnelle. La nature des méthodes présentées va dépendre de la finalité du traitement. Plusieurs cas sont possibles, et chacun sera traité dans un module spécifique : - On veut trouver les "règles logiques" qui ont permis la création des données (les gens achetant de la bière achètent également des chips en grande majorité, par exemple), Module "Extraction de connaissances", - On veut séparer les données en groupes "homogènes" (la notion d'homogénéité étant à définir) sans connaître a priori lesdits groupes, Module "Classification", - On veut prédire la classe d'appartenance de chaque donnée (par exemple, un banquier peut vouloir séparer ses clients en deux groupes, ceux à qui il accordera un prêt, et ceux à qui il n'en accordera pas), Module "Apprentissage statistique". Cette UV laissera une grande part (environ un quart de l'enseignement) aux travaux pratiques pour permettre aux étudiants de mieux s'approprier les différentes méthodes d'analyses. Après avoir suivi l'UV, l'étudiant disposera d'une variété de méthodes et d'outils qui doivent lui permettre de résoudre la plupart des problèmes relevant de l'Analyse de Données. | |
Conditions d'accès : - UV labellisée dans la/les filière(s) : ISA - UV ouverte aux autres filières : oui - UV ouverte sous conditions : non | |
Localisation : BREST | |
Co-responsable : Philippe PICOUET | |
Filière(s) : F3B | |
Credits MR 2A IHM : 6 | |
Credits IG 3A : 6 | |
Dernière màj le 28-MAR-06 par PICOUET | |
Modules | |
Code | Intitulé Title |
Responsable Coordinator |
Co-resp. | Etat State |
Date màj Last update |
---|---|---|---|---|---|
ISA-CLA | Classification | . | 12-07-06 | ||
ISA-ECD | Extraction de connaissances à partir de données | . | 12-09-06 | ||
ISA-IAPS | Introduction à l'apprentissage statistique | . | 05-12-06 |