Espace Numérique des Cours

Objectifs de l’enseignement

A l’issu de ce cours l’étudiant reconnaîtra a coup sur les motifs d’une série de données moyennant des mesures de similarité. Les notions de similitudes et d’homogénéité seront les clés de ces techniques. Connaissances préalables recommandées Connaissances de base dans la théorie de probabilité et de l’algèbre linéaire.

Contenu de la matière

- Introduction a la reconnaissance de motifs

- Mesures de similarité 

- Motifs fréquents

- Regles d’associations.

- FP-Tree - FP-Growth

- Application a la recherche de texte (Textmining)

- Application a la bio-informatique.

- Mode d’évaluation :

Examen : 60 % + Continu : 40 %

Références (Livres et polycopiés, sites internet, etc).

- Duda, Hart and Stork 2001. “Pattern Classification (2nd ed)”. Wiley Bibliography

- Data Mining: Concepts and Techniques. Jiawei Han and Micheline Kamber. Morgan Kaufmann Publishers

- Data Mining: Practical Machine learning tools with JAVA implementations. Ian H. Witten and Eibe Frank. Morgan Kaufmann Publishers

- Web Data Exploring Hyperlinks, Contents, and Usage Data. Bing Liu. Second Edition - Machine Learning, Tom Mitchell, McGraw Hill,1997.

- Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer 20