Ciencia de Datos : Data Mining

CPE Lyon

Année universitaire 2025-2026

À partir de données brutes, découvrez des motifs intéressants grâce à des approches supervisées (classification, régression) et non supervisées (clustering, détection d'anomalies). Le cours s'appuie sur les fondements classiques du data mining avant de progresser vers les réseaux de neurones et l'apprentissage profond. Ce cours fait partie du projet EL BONGO.
DÉCOUVERTE DE MOTIFS

Aperçu du cours

Syllabus

Contenu et structure du cours

Programme complet présentant l'ensemble des thèmes abordés dans ce cours.

Voir le plan du cours

Supports de cours

Data mining classique

Data Mining : motifs et algorithmes

Représentation des données, classification (SVM, k-NN, arbres de décision, forêts aléatoires), régression, clustering (K-Means, DBSCAN), détection d'anomalies, sélection de variables et bonnes pratiques du workflow d'apprentissage automatique.

Voir le cours
RĂ©seaux de neurones et deep learning

RĂ©seaux de neurones et apprentissage profond

Du perceptron aux réseaux profonds : MLP, fonctions d'activation, optimisation SGD/Adam, stabilité de l'entraînement, CNN, modalités de données scientifiques, estimation de l'incertitude et questions éthiques.

Voir le cours

Travaux pratiques

DĂ©pĂ´t GitHub

DĂ©pĂ´t DataMining

Collection complète d'exercices pratiques mettant en œuvre des algorithmes de data mining, des projets de reconnaissance de motifs, des applications de réseaux de neurones et des jeux de données réels.

Accéder sur GitHub