Introduire les nouveaux modèles associés au problèmes d’ordonnancement spécifiquement informatiques. Aborder quelques techniques de résolution exactes et approchées.
Expérience du responsable dans le domaine de l’UE
Professeur à l'université Paris X Nanterre et chargée de cours à l'UPMC. Membre du LIP6. Thèmes de recherche: problèmes d'ordonnancement liés à l'informatique parallèle et embarquée, conception et analyse d'algorithmes approchés. Enseigne l'optimisation combinatoire et les problèmes d'ordonnancement, l'algorithmique et l'architecture des ordinateurs. Animation d'un groupe de travail sur l'ordonnancement pour le parallélisme pendant 6 ans au sein du GDR ARP.
Réalisations du responsable dans le domaine de l’UE
B. Baynat, P. Chrétienne, C. Hanen, S. Kedad-Sidhoum, A. Munier-Kordon et C. Picouleau (2003) "Exercices et Problèmes d'Algorithmique". Dunod.
V. Do, C. Hanen et Y. Zinder (2003) "Scheduling UET tasks and preemptive tasks on parallel processors under the restriction of precedence constraints". In Proceedings of the 6th workshop on Models and Algorithms for Planning and Scheduling Problems.
C. Hanen et A. Munier-Kordon (2002) "Minimizing the volume in scheduling an outtree with communication delays and duplication". Parallel Computing, Vol 28, pp. 1573--1585.
C. Hanen et Y. Zinder (2005)"The worst-case analysis of the Gare-Johnson algorithm for preemptive tasks". In Proceedings of MISTA 05, New-York, Juillet 2005.
Membre du GDR RO.
Acronyme : oidm
Spécialité : IAD
3 ECTS
Niveau : 500
Semestre : S3
Titre : Outils industriels du datamining
Responsable :Françoise FOGELMAN
Répartition hebdomadaire ou semestrielle
(30h/7 semaines)
Contenu
Ce cours vise à présenter le data mining du point de vue informatique et industriel. On insistera en particulier sur les aspects opérationnels liés à l'utilisation du data mining dans la vie de « tous les jours ». On décrira en particulier les outils informatiques (Java Data Mining, Predictove Modeling Markup Language, SQL Multi-média), le mining de bases de données, les composants de la business intelligence (reporting OLAP), une série d’applications : analyse clients (marketing, fraude, questionnaires…), credit scoring, analyse qualité. Le cours sera complété par des TP axés sur des problématiques fonctionnelles rencontrées dans l’industrie.
Expérience du responsable dans le domaine de l’UE
Françoise Soulié Fogelman est titulaire d'une thèse d'Etat en data mining. Elle a une expérience d'une vingtaine d'années dans ce domaine et en est considérée comme un expert. Elle dispose d'une double expérience universitaire (jusqu'à 1992) et industrielle ensuite.
Réalisations du responsable dans le domaine de l’UE
Françoise Soulié Fogelman est à l'origine de la première équipe française sur les réseaux de neurones, alors qu'elle était professeur des universités (en dernier lieu à Paris 11), elle a dirigé une vingtaine de thèses en data mining (réseaux de neurones). Elle est auteur d'une centaine d'articles scientifiques et éditeur de plusieurs ouvrages sur le data mining. Elle a réalisé et encadré de nombreux projets data mining dans le monde industriel (connaissance clients, scoring, risque crédit).
