Enseignant-Chercheur, Conception Logicielle et Big Data, CPE Lyon
Intérêts et thèmes de recherche: Représentation de connaissances, le web
sémantique,
les services web, l'intégration de données, l'entrepôt de données, les systèmes
distribués,
système d'information géographique
Cours: Programmation en C, Algorithmes en C, Data Mining et Machine Learning,
Intelligence Artificielle et Deep Learning, Systèmes d'exploitation et Programmation
Concurrente, Langages Web
Thèse: Intégration des données issues de services web
HDR : Des regards sémantiques pour des villes intelligentes, durables et
inclusives
Data Mining
Objectifs
Maîtriser les techniques de représentation, manipulation et prétraitement des données
pour en
optimiser l'utilisation.
Appliquer des méthodes avancées de traitement des données pour extraire des informations
pertinentes et exploitables.
Construire des modèles de traitement par apprentissage machine afin d'analyser et de
prédire
des tendances à partir de données.
Intégrer les données ouvertes liées dans vos analyses pour enrichir vos résultats.
Regroupement et classification sur données Chimie/Génie des Procédés.
Projet
Analyse des propriétés de composés chimiques à partir de sources multiples.
Collecte, analyse, visualisation et réutilisation des acquis TP1-TP3.
Livrable: rapport de projet.
Data Mining
Travaux pratiques et projet
Le projet sera évalué.
La date limite de soumission est précisée sur e-campus.
Il est fortement conseillé de travailler en binôme pour favoriser la collaboration et
l'efficacité.
Planning: Cours
Cours 11h
2 mars
Cours 21h
5 mars
Planning: Travaux Pratiques
TP 1 + Projet 2 et 3 mars
TP 2 + Projet 5 mars
TP 3 + Projet18 et 23 mars
Projet25, 30 et 31 mars
Data Mining
Travaux pratiques
Exploration approfondie de Jupyter, une plateforme interactive prisée pour l'analyse de
données. Création de notebooks interactifs, intégration de code et de visualisations pour une
analyse
interactive des données.
Expérience pratique avec des jeux de données ouvertes, permettant une compréhension
concrète
des enjeux liés au traitement de données. Application de techniques avancées pour extraire des
insights
significatifs à partir de données hétérogènes.
Data Mining
Soumission: Travaux pratiques et Projet
TP
Points
TP 1
Non noté
TP 2
Non noté
TP 3
Non noté
Projet
20 points
Seul le projet compte pour l'évaluation (20 points), bien que la participation aux TP 1-3 reste
vivement recommandée.
Data Mining
Travaux pratiques
Chaque TP comporte plusieurs exercices. Chaque
exercice est accompagné d'une indication de niveau de
difficulté:
★★★
Facile
★★★
Difficulté moyenne
★★★
Difficile
Data Mining
Liste de contrôle
Avant de déposer votre projet, vérifiez si vous
respectez
la liste de contrôle suivante:
Les noms complets (prénom et noms) de la binôme sont correctement inclus dans le fichier
CONTRIBUTORS.md.
Le fichier README.md est rempli de manière exhaustive et conforme aux instructions
fournies.
Votre code est accompagné de commentaires appropriés pour expliquer la logique et la
fonctionnalité.
Votre code peut être exécuté sans générer d'erreurs, et dans la mesure du possible, sans
générer d'avertissements.
Le rapport en format PDF (5 pages maximum, Arial 11pt)
