F. Baader, D. Calvanese, D. McGuiness, D. Nardi, P.-P. Schneider. The Description Logic Handbook: Theory, Implementation and Applications. Cambridge University Press.
J. Chomicki and G. Saake. Logics for Databases and Information Systems. Kluwer, 1998
K.R. Apt. Principles of Constraint Programming. Cambridge University Press (2003).
J. Jaffar, M. Maher, K. Marriott, and P.J. Stuckey. The semantics of constraint logic programs. In Journal of Logic Programming, 37(1--3):1--46, 1998.
François Fages. Programmation Logique par Contraintes. Ellipse.
Nom de l’UE : Systèmes d’information de santé Nombre de crédits : 6
Contact :
Nom & Prénom(s) : André FLORY
Tél. : 04 72 43 84 66
email : andre.flory@insa-lyon.fr
Autre(s) intervenant(s) : Christine VERDIER
Contrôle des connaissances : en fonction du nombre d’étudiants, examen écrit ou exposé bibliographique.
Programme – contenu détaillé de l’UE
Le but de ce cours est de donner aux étudiants les compétences nécessaires pour réaliser des applications de système d’information dans le domaine médical. Il abordera les points essentiels permettant de construire des systèmes d’information efficients dans le domaine.
Plan du cours :
1) Introduction aux SIS et au DMI (dossier médical informatisé) : concepts, fondements, contraintes du domaine, état de l’art
2) Outils de conception : les outils métiers (classifications, normes, ontologies, structuration) et les outils conceptuels (couplage XML/BDR)
3) Les interfaces en SIS : interfaces de navigation adaptatives, création d’interfaces ad hoc
4) Les principales avancées scientifiques du domaine.
Compétences acquises Méthodologiques : Conception de SI médicaux, interfaces spécifiques
Techniques : Apprentissage de la recherche
Nom de l’UE : Modélisation multidimensionnelle et approche OLAP
Nombre de crédits : 6
Contact :
Les travaux portant sur les concepts et les technologies liés aux entrepôts de données et à leur exploitation OLAP ont à présent atteint un stade de maturité qui en font un domaine de recherche bien identifié. L'extension de ces méthodes et outils à des applications "non traditionnelles" telles que la recherche médicale, la géomatique, les applications scientifiques au sens large fait maintenant émerger de nouveaux besoins. Ces applications nécessitent en effet la prise en compte de données complexes, l'utilisation de traitements adaptés (algorithmes de transformation, de dérivation, …) et une modélisation spécifique.
L'objectif de ce cours est de présenter les nouveaux challenges et les recherches en cours sur les concepts avancés pour la modélisation et l'exploitation d'entrepôts pour ce type d'applications.
Nous aborderons les problématiques suivantes :
Définitions des différents concepts de base de l’informatique décisionnelle
Méthodes pour l’alimentation d’un entrepôt de données
Modèles formels et algèbre associés aux hypercubes
Intégration et historisation de données complexes
Support avancé pour la prise en compte de données spatio-temporelles
Vues matérialisées, maintenance incrémentale et optimisation
Outils avancés pour l'exploitation et la visualisation de données complexes (SOLAP)
Compétences acquises Méthodologiques :
Notre cours vise à aborder la modélisation multidimensionnelle, avec la présentation des modèles formels les plus référencés puis à étudier plus particulièrement les problèmes et les solutions liées à de nouveaux types d’applications : la prise en compte des évolutions temporelles dans les entrepôts, la modélisation de données complexes (multimédia, spatiales …)
Techniques :
Les différentes étapes de mise en place d’un projet d’informatique décisionnelle seront abordées : alimentation, modélisation, exploitation
