Data Science

John Samuel
CPE Lyon

Année: 2024-2025
Courriel: john.samuel@cpe.fr

Objectives

• Data Mining
• Big Data
• Base de données non-relationnelle

Régularités

Régularités naturelles

• Symétrie
• Arbres, fractales
• Spirales
• Chaos
• Ondes
• Bulles, mousse
• Pavages
• Ruptures
• Taches, bandes

Créations humaines

• Bâtiments (Symétrie)
• Villes
• Environnement virtuel (e.g., jeux de vidéo)

Création

• Répétition
• Fractales
  • Ensemble de Julia: f(z) = z² + c

Synonymes

• Fouille de données
• Forage de données
• Extraction de connaissances à partir de données
• Data mining
• Machine learning
• Apprentissage automatique

Reconnaissance de formes

• Identifier des motifs informatiques à partir de données brutes
• Approches
  1. Apprentissage supervisé: Apprentissage automatique qui utilise un ensemble de données étiquetées
  2. Apprentissage non-supervisé: Apprentissage automatique qui utilise un ensemble de données non-étiquetées
  3. Apprentissage semi-supervisé: Apprentissage automatique qui utilise un ensemble de données étiquetées et non-étiquetées

Activités

1. Classification
2. Partitionnement de données (Clustering)
3. Régression
4. Détection d'anomalies
5. Récapitulation

• Catégorisation algorithmique d'objets.
• Attribuer une classe ou catégorie à chaque objet (ou individu)
• Classification binaire ou classification en classes multiples

Applications

• Filtrage de contenu (e.g., spam/pourriel)
• Classification de documents
• Reconnaissance de l'écriture manuscrite
• Reconnaissance automatique de la parole
• Moteurs de recherche

Classificateur

• Algorithme de classification
• Deux types de classificateurs
  • Classificateur binaire Attribuer une des deux classes ou catégories à chaque objet (ou individu)
  • Classificateur en classes multiples Attribuer une des plusieurs classes ou catégories à chaque objet (ou individu)

• Diviser un ensemble de données en différents « paquets » homogènes,
• Les données de chaque sous-ensemble partagent des caractéristiques communes

Applications

• Analyse des réseaux sociaux
• Segmentation d'image
• Systèmes de recommandation

Méthodes de partitionnement des données

• Méthodes basées centroïdes
• Regroupement hiérarchique

• Analyser la relation d'une variable par rapport à une ou plusieurs autres.
• Attribuer une valeur réelle à chaque entrée

Applications

• Prévisions météorologiques
• Prévisions de ventes
• Apprentissage machine
• Finance

• Identification de données inhabituelles
• Approches
  1. Détection supervisé
  2. Détection non-supervisé
  3. Détection semi-supervisé

Applications

• Détection d'intrusion
• Détection de fraude
• System health monitoring
• Détection d'événements dans les réseaux de capteurs
• Détection d'abus dans un système d'information

• Synthèse courte d'un ensemble de données
• Génération de rapports

Applications

• Extraction des mots-clès
• Récapitulation de documents
• Moteurs de recherche
• Récapitulation d'images
• Récapitulation de vidéos: découvrir des événements principaux dans une vidéo

• Volume (zettaoctets de données: 10²¹)
• Variété (textes, PDF, images, vidéos etc.)
• Vélocité (en temps réel: données capteurs)
• Verité
• Valeur (institutions, enterprises)

NoSQL

• compromis sur la cohérence
• priorité à la disponibilité et à la rapidité

Types de bases de données NoSQL

Types de bases de données NoSQL

Types de bases de données NoSQL

• Base de données orientée colonnes
• Base de données orientée documents
• Base de données clé-valeur
• Base de données orientée graphe

Exemple: un tableau dans une base de données relationnelles

num	languageLabel	year
1	ENIAC coding system	1943
2	ENIAC Short Code	1946
3	Von Neumann and Goldstine graphing system	1946

Exemple: base de données orientée colonnes

ENIAC coding system:1; ENIAC Short Code:2 Von Neumann and Goldstine graphing system:3

1943:1; 1946:2; 1946:3
			

Exemple: base de données orientée documents

  {
    "languageLabel": "ENIAC coding system",
    "year": "1943"
  }

  {
    "languageLabel": "ENIAC Short Code",
    "year": "1946"
  }

  {
    "languageLabel": "Von Neumann and Goldstine graphing system",
    "year": "1946"
  }

			

Exemple: base de données orientée clé-valeur

identifiant	languageLabel,year
p1	ENIAC coding system,1943
p2	ENIAC Short Code,1946
p3	Von Neumann and Goldstine graphing system,1946

Exemple: base de données orientée graphe

Colors

• Color Tool - Material Design

Images

• Wikimedia Commons