.. _parcours_ifri:

*************************************************************************************************
Parcours Avancé (M2)
*************************************************************************************************

Ce parcours **approfondi** est enseigné au Parcours Avancé. Il reprend les fondamentaux
(Parties 1–2, parcourus plus rapidement) puis va **plus loin** : algorithmes
**avancés** tirés d'**articles scientifiques**, présentés en **exposés**. Volume :
**10 séances de 4 h**.

Objectifs
=========

À la fin du cours, l'étudiant.e doit pouvoir :

* Différencier les notions autour du DM et de l'IA (IA, DS, ML, DL, visualisation, *preprocessing*)
* Expliquer le processus **CRISP-DM**
* Faire l'analyse descriptive d'un jeu de données
* Identifier les éléments du data mining et les domaines afférents
* Identifier les cas d'usage des algorithmes de DM
* **Lire un article scientifique** (en DM) et être capable de le comprendre et de l'expliquer
* Implémenter des algorithmes de DM (FIM, clustering, …)

Chapitres couverts
==================

Toute la **Partie 1** et la **Partie 2** (parcourues plus rapidement qu'au Parcours Intermédiaire) :

* :doc:`chap1 <../part1/chap1>` · :doc:`chap2 <../part1/chap2>` · :doc:`chap3 — Algorithmes & complexité <../part1/chap3>` · :doc:`chap4 <../part1/chap4>`
* :doc:`chap5 — Clustering <../part2/chap5>` · :doc:`chap6 — FIM <../part2/chap6>` · :doc:`chap7 — Sequential Pattern Mining <../part2/chap7>`

Puis la **Partie 3 — Algorithmes avancés** (en exposés, à partir des papiers) :

* :doc:`chap8 Eclat <../part3/chap8>` · :doc:`chap9 FP-Growth <../part3/chap9>` · :doc:`chap10 PrefixSpan <../part3/chap10>` · :doc:`chap11 CloSpan <../part3/chap11>` · :doc:`chap12 CMRules <../part3/chap12>` · :doc:`chap13 gSpan <../part3/chap13>`

.. note::
   Le **nombre et le choix** des algorithmes avancés présentés **varient chaque
   année** selon le nombre de groupes.

Travaux & évaluation
====================

* :doc:`TD1 — Prise en main de SPMF (Frequent Itemset Mining) <../part4/td_spmf>` — découverte de SPMF, article fondateur d'Apriori, expérimentation temps/support
* :doc:`TD2 — Parcours DFS et BFS <../part4/td_dfs_bfs>` — arbres, pile/file, récursion, treillis des itemsets, Apriori DFS vs BFS
* :doc:`TD3 — PrefixSpan <../part4/td_prefixspan>` — DFS naïf sur les séquences, plongements & support, base projetée, PrefixSpan vs SPMF
* :doc:`TP2 — Implémentation d'Apriori <../part4/index>`
* :doc:`TP2bis — Implémentation de PrefixSpan <../part4/index>`
* **Exposé pratique** — présentation d'un **algorithme avancé** à partir de son article scientifique (Partie 3) : présenter l'algorithme par l'exemple, un rapport de projet lié au papier, et le code.
* **TD médian** — un ancien examen
* **Examen**
* :doc:`Projet final <../part4/index>` — démarche complète (CRISP-DM) sur des données réelles

.. note::
   Le **TP analyse descriptive** du Parcours Intermédiaire n'est **pas** au programme du parcours Avancé. Les
   **poids** de chaque élément sont communiqués par l'enseignant.

Agenda indicatif (10 × 4 h)
===========================

.. list-table::
   :header-rows: 1
   :widths: 12 88
   :class: longtable

   * - Séance
     - Contenu
   * - Séance 1
     - Introduction au DM + mise en situation (brainstorming, situations 1–3)
   * - Séance 2
     - Analyse de données (CRISP, analyse descriptive) + algorithmes & complexité
   * - Séance 3
     - Clustering + outils ; Frequent Itemset Mining (début) — **TP2 lancé**
   * - Séance 4
     - FIM (a priori, Eclat/FP-Growth) + règles d'association (fermés/maximaux)
   * - Séance 5
     - Sequential Pattern Mining (PrefixSpan) — **TP2bis lancé** ; attribution des papiers
   * - Séances 6 à 8
     - **Exposés** des algorithmes avancés (Partie 3) + discussions
   * - Séance 9
     - **TD médian** + synthèse
   * - Séance 10
     - **Examen** ; suivi du **projet final**