Forage de données - 8INF436

• Tous les cours
• Départements
• Premier cycle
• Cycles supérieurs
• Recherche par critères

(3.0 cr.)

Acquérir des connaissances avancées en apprentissage automatique pour l'analyse de données massives. Se familiariser avec les algorithmes de l'apprentissage supervisé et non supervisé en ligne et distribué. Mettre en pratique les connaissances acquises sur des cas réels en science des données.

Fondements de l'apprentissage automatique. Données massives et contraintes calculatoires. Flux de données. Algorithmes d'échantillonnage et comptage. Réduction de dimensionnalité. Dérive conceptuelle et détection de ruptures. Apprentissage supervisé en ligne. Algorithmes incrémentaux. VFDT. Apprentissage non-supervisé en ligne. Clustering incrémental. STREAM. Distribution de données massives. MapReduce et Hadoop. Apprentissage parallèle et grille informatique. Ensemble de méthodes et combinaison de modèles. Motifs fréquents et règles d'association distribuées. Apprentissage profond. Apprentissage semi-supervisé en ligne. Méthodologie d'apprentissage et ingénierie du logiciel. Fouille des réseaux sociaux. Environnement d'apprentissage et utilisation de librairies. Les exercices seront réalisés avec MOA (Massive Online Analysis), WekaHadoop, TensorFlow, Python.

Préalable(s): (8IAR403)

Formule pédagogique : Magistral et/ou formation à distance

---

Ce cours n'est dans aucun programme ouvert aux admissions.