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) :

• chap1 · chap2 · chap3 — Algorithmes & complexité · chap4

• chap5 — Clustering · chap6 — FIM · chap7 — Sequential Pattern Mining

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

• chap8 Eclat · chap9 FP-Growth · chap10 PrefixSpan · chap11 CloSpan · chap12 CMRules · chap13 gSpan

Note

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

Travaux & évaluation

• TD1 — Prise en main de SPMF (Frequent Itemset Mining) — découverte de SPMF, article fondateur d’Apriori, expérimentation temps/support

• TD2 — Parcours DFS et BFS — arbres, pile/file, récursion, treillis des itemsets, Apriori DFS vs BFS

• TD3 — PrefixSpan — DFS naïf sur les séquences, plongements & support, base projetée, PrefixSpan vs SPMF

• TP2 — Implémentation d’Apriori

• TP2bis — Implémentation de PrefixSpan

• 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

• Projet final — 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)

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