v2.11.0 (5449)

Enseignement scientifique & technique - MITRO209 : Graphes et partitionnement de données

Domaine > Mathématiques.

Descriptif

Le cours couvrira les principaux algorithmes et modèles théoriques pour l'analyse et le clustering de graphes. En particulier, vous apprendrez comment trouver des régions denses d'un graphe (les communautés dans les réseaux sociaux), à travers diverses techniques incluant l'analyse spectrale et la "core decomposition". Plusieurs algorthmes génériques de clustering seront présentés, comme DBSCAN, k-means++ et k-center. Le cours abordera les aspects théoriques et pratiques. Des séances de TP vous apprendront à programmer certains algorithmes et à les tester sur des données réelles. 

Pour les étudiants du diplôme Diplôme d'ingénieur

Structure de Données et Algorithmes Probabilités    

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Diplôme d'ingénieur

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS
  • Crédit d'UE électives acquis : 2.5

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Data & Artificial Intelligence

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Echange international non diplomant

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS

La note obtenue rentre dans le calcul de votre GPA.

Programme détaillé

* Clustering (k-means++, k-center, dbscan)
* Décomposition (k-core)
* Sous-graphes les plus denses

* Marches aléatoires dans les graphes
* Analyse spectrale

Mots clés

Graphes ; clustering ; analyse spectrale ; décomposition
Veuillez patienter