UFR Chimie UFR Physique, Pharmacie, ECPM. - Faculté de Chimie ...
UFR Chimie UFR Physique, Pharmacie, ECPM. - Faculté de Chimie ...
UFR Chimie UFR Physique, Pharmacie, ECPM. - Faculté de Chimie ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
FINALITE<br />
M-S3 TYPE D’UE<br />
INTITULE DE l’UE<br />
(Recherche/Professionnelle)<br />
UE 4<br />
Obligatoire Recherche et Professionnelle Métho<strong>de</strong>s <strong>de</strong> fouilles <strong>de</strong> données<br />
NOM, Prénom Discipline Adresse<br />
RESPONSABLE MARCOU, Gilles <strong>Chimie</strong> 4, rue B. Pascal<br />
67070 Strasbourg<br />
LACHICHE, Nicolas Informatique IUT Informatique Robert<br />
Schuman, 72 route du Rhin<br />
B.P. 10315, 67411 ILLKIRCH<br />
DESCRIPTION DES ENSEIGNEMENTS<br />
- Apprentissage automatique et extraction <strong>de</strong> connaissances à partir <strong>de</strong> bases <strong>de</strong> données (ECBD).<br />
- Prétraitement <strong>de</strong>s données : complètement ; intégration ; représentations.<br />
- Motifs fréquents et règles d’association .<br />
- Agrégation: k moyen; maximisation d'espérance.<br />
- Classification : k plus proches voisins ; Bayesien naïf.<br />
- Arbres <strong>de</strong> décision: principe, classification, régression, instabilité, élagage, forêt.<br />
- Réseaux neuronaux : Réseaux mono- et multi-niveaux ; rétropropagation ; avantages et limites; exemples<br />
(classification <strong>de</strong> réactions par carte <strong>de</strong> Kohonen).<br />
- Séparateurs à Vaste Marge: principe, classification, régression.<br />
- Algorithmes génétiques : concepts; fonction d'adéquation ; opérateurs <strong>de</strong> croisement et <strong>de</strong> mutation.<br />
- Mise en oeuvre avec le logiciel WEKA.<br />
- Exemple détaillé d'EBCD utilisant <strong>de</strong>s techniques d'apprentissage inductif par la découverte : étu<strong>de</strong> <strong>de</strong><br />
l'excrétion rénale <strong>de</strong> molécules organiques.<br />
COMPETENCES VISEES<br />
-Compréhension <strong>de</strong> l'apprentissage automatique<br />
-Connaissance <strong>de</strong>s algorithmes pour agréger, classer, découvrir <strong>de</strong>s règles d'association et modéliser les<br />
données<br />
-Mise en œuvre <strong>de</strong>s métho<strong>de</strong>s au travers du logiciel WEKA<br />
ENSEIGNEMENTS<br />
Matières enseignées CM TD TP<br />
Métho<strong>de</strong>s <strong>de</strong><br />
fouilles <strong>de</strong> données<br />
MUTUALISATION<br />
UE obligatoire pour le master :<br />
Chemoinformatique<br />
Autres<br />
(spécifier)<br />
Travail<br />
personnel<br />
étudiant<br />
Charge horaire<br />
totale étudiant<br />
Coef Crédits<br />
ECTS<br />
12.5 12.5 20 h 45 h 1 3<br />
Peut constituer une UE optionnelle<br />
pour d’autres masters :<br />
Peut constituer une UE libre :<br />
OUI OUI<br />
Université <strong>de</strong> Strasbourg (Strasbourg 1, 2 et 3) – Habilitations 2009-2012 – Master – CHIMIE - Version 1 – Page 212/276