2024-2025
5-SDBD : Apprentissage (moodle 1154 - aptsg24 )
- Partie 1 : Clustering
- Intervenants : Marie-José Huguet - Tim Luchterhand - Emma Grandgirard - Bastien Dussard
- Partie 2 : Apprentissage supervisé
- Intervenants : Marie-José Huguet - Tim Luchterhand - Emma Grandgirard - Bastien Dussard
- Partie 3 : Deep Learning (Philippe Leleux)
- Même page moodle - Enseignement géré par Philippe Leleux
5-SDBD : Projet intégrateur : IA et Big Data (moodle 1296 - databigai )
- Intervenants : Sami Yangui, Philippe Leleux et SOPRA Steria dans le cadre de la Chaire Numérique Responsable
5-SDBD : Analyse Prescriptive (moodle 1505 apoc24 )
- Cours : Optimisation Combinatoire / Méthodes de recherche arborescente / PLNE / PPC / SAT
- Intervenants : Marie-José Huguet - Mikael Capelle - Emmanuel Hébrard - // ... //
- Responsable enseignement : Mohamed Siala
2023-2024
- 5-SDBD : UF Analyse Descriptive et Prédictive (moodle )
- Partie 1 : Clustering
- Intervenants : Marie-José Huguet - Mohamed Siala - Tim Luchterhand
- Partie 2 : Apprentissage supervisé
- Partie 3 : Deep Learning (Claire Labit-Bonis)
- 5-SDBD : UF Analyse Prescriptive (moodle)
- Cours : Optimisation Combinatoire / Méthodes de recherche arborescente / PLNE / PPC / SAT
- Intervenants : Marie-José Huguet - Mikael Capelle - Patrick Esquirol - Mohamed Siala - Christian Artigues - Pierre Coupechoux - Théo Le Brun
- 5-SDBD : UF Projet intégrateur : IA et Big Data (moodle)
2022-2023
- 5-SDBD : UF Analyse Descriptive et Prédictive (moodle)
- Partie 1 : Clustering
- Intervenants : Marie-José Huguet - Mohamed Siala - Julien Ferry - Rafael Bailon-Ruiz
- Partie 2 :
- Suite de cet enseignement : Deep Learning (Claire Labit-Bonis)
- 5-SDBD : UF Analyse Prescriptive (moodle)
- Cours : Optimisation Combinatoire / Méthodes de recherche arborescente / PLNE / PPC / SAT
- Intervenants : Marie-José Huguet - Mikael Capelle - Patrick Esquirol - Mohamed Siala - Christian Artigues - Pierre Coupechoux - Valentin Antuori - Gabriel Volte
- 5-SDBD : UF Projet intégrateur : IA et Big Data (moodle)
2021-2022
- 5-SDBD : UF Analyse Descriptive et Prédictive (moodle)
- Partie 1 : Introduction à l'apprentissage automatique
- Partie 2 : Clustering
- Partie 3 : Fouille de données
- TP Clustering : Sujet de TP et dataset (pour le rapport)
- Intervenants : Marie-José Huguet - Mohamed Siala - Hao Hu - Julien Ferry
- Suite de cet enseignement : Apprentissage supervisé
- 5-SDBD : UF Analyse Prescriptive (moodle)
- Cours : Optimisation Combinatoire / Méthodes de recherche arborescente / PLNE / PPC / SAT
- Intervenants : Marie-José Huguet - Mikael Capelle - Patrick Esquirol - Mohamed Siala - Christian Artigues - Pierre Coupechoux - Olivier de Mouzon - Tom Portoleau
- 5-SDBD : UF Projet intégrateur : IA et Big Data (moodle)
2020-2021
- 5-SDBD : UF Analyse Descriptive et Prédictive (moodle)
- Cours 1 : IA et Apprentissage : contexte et enjeux
- Cours 2 : Clustering
- Cours 3 : Fouille de données et Bonus
- TP : Sujet de TP - dataset (pour le rapport)
- Intervenants : Marie-José Huguet - Mohamed Siala - Hao Hu - Meryem Bendalli
- 5-SDBD : UF Analyse Prescriptive (moodle)
- Cours : Contexte et positionnement
- Intervenants : Marie-José Huguet - Mikael Capelle - Patrick Esquirol - Mohamed Siala - Christian Artigues - Pierre Coupechoux - Valentin Antuori - Tom Portoleau
- 5-SDBD : UF Projet intégrateur : IA et Big Data
- voir la page moodle
- Intervenants : Marie-José Huguet - Sami Yangui - Mohamed Siala - Julien Ferry - Partenaires industriels (TAS et Activus)
2019-2020
- Accueil général 5e année
- présentation - planning - groupes TD/TP et équipes projet
- UF Analyse Descriptive et Prédictive // Intervenants : Marie-José Huguet - Gilles Trédan - Marie-Véronique Le Lann - Mohamed Siala - Roberto Pasqua - Pierre-François Gimenez - Frédéric Chatrié
- Introduction générale UF : IA et Apprentissage (MJ. Huguet)
- partie analyse exploratoire (Gilles Tredan)
- partie apprentissage supervisé (Marie-Véronique Le Lann) : moodle
- partie apprentissage non supervisé (MJ. Huguet) : clustering - fouille de données - TP
- UF Analyse Prescriptive // Intervenants : Marie-José Huguet - Mohamed Siala - Mikael Capelle - Patrick Esquirol - Tom Portoleau - Valentin Antuori
- Introduction (MJ Huguet)
- partie PLNE (Mikael Capelle) : lien
- partie CSP (Patrick Esquirol et Mohamed Siala)
- partie SAT (Mohamed Siala)
- UF Projet intégrateur : IA et Big Data // Intervenants : Marie-José Huguet - Sami Yangui - Mohamed Siala - Roberto Pasqua
2018-2019
- UF Projet Intégrateur
- UF Analyse Prescriptive
- intro
- partie PLNE (Mikael Capelle)
- partie CSP (Patrick Esquirol et Mohamed Siala)
- partie SAT (Mohamed Siala)
- partie Projet : sujet - article 1 - article 2
- UF Analyse Descriptive et Prédictive
- Introduction UF (MJ. Huguet)
- partie analyse exploratoire (Gilles Tredan)
- partie apprentissage supervisé (Marie-Véronique Le Lann)
- partie apprentissage non supervisé (MJ. Huguet) : clustering - fouille de données
- TP Clustering : sujet et jeux de données
- scikit-learn
- Quelques ressources pédagogiques :
- Apprentissage artificiel - 3e édition: Concepts et algorithmes Broché – Vincent Barra, Laurent Miclet, Antoine Cornuéjols, 2017. Voir également le site d'A. Cornuejols
- Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman,Standford University - (MOOC et Livre)
- Introduction to Data Mining, Pang-Ning Tan, Michigan State University, Michael Steinbach, University of Minnesota Vipin Kumar, University of Minnesota,2005).
2017-2018
- Apprentissage non supervisé (UF Analyse Descriptive et Prédictive)
- cours 1 et 2
- cours 3 et 4
- Sujet de TP Apprentissage non supervisé : (ici)
- Quelques ressources pédagogiques :
- Apprentissage artificiel - 3e édition: Concepts et algorithmes Broché – Vincent Barra, Laurent Miclet, Antoine Cornuéjols, 2017. Voir également le site d'A. Cornuejols
- Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, by Cambridge University Press (2nd Edition 2013, 3rd edition en préparation : la seconde édition est disponible en ligne
- Introduction to Data Mining, Pang-Ning Tan, Michigan State University, Michael Steinbach, University of Minnesota Vipin Kumar, University of Minnesota,2005). Disponible en ligne
- Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Cambridge University Press. 2008. Disponible en ligne
- Data Mining and Constraint Programming : Foundations of a Cross-disciplinary Approach, Bessiere C. et al., 2016.
- Apprentissage Machine de la théorie à la pratique. Concepts Fondametaux en Machine Learning. M-R. Amini, 2015.
- Big Data et Machine Learning. Le Manuel du Data Scientist. P. Lemberger, M. Batty, M. Morel, J.L Rafaelli, 2015.
- Graph Databases. New Opportunities for Connected Data. I. Robinson, J. Webber, E. Eiffrem. Second Edition, 2015.
- Mineure AP (Analyse Prescriptive)
- intro
- méta-heuristiques
- Partie Programmation Linéaire en Nombres Entiers (voir page Mikael Capelle)
- Partie Programmation par Contraintes (CSP) (voir moodle Patrick Esquirol)
- projet Mineure :
- Sujet Placement de ressources dans un data center : ici
- Sujet Ordonnancement et Cloud Computing (Open-Shop Scheduling et variantes): ici et là
- Sujet Clustering sous contraintes : ici et là (site avec instances et ref) ou là (Clustering et Optimisation)
- Projet intégrateur (UF Projet SDBD)
- Sujet en cours de rédaction