Enseignements (Université Claude Bernard Lyon 1, Faculté des sciences)
LIF4 : Initiation aux Bases de Données et Réseaux (INF2001L)
LIF10 : Bases de données, Fondements (INF3003L)
- Voir les informations relatives à cet enseignement sur Spiral.
- Pseudo-polycop de cours :
- Plan du cours :
Thèmes abordés
Volume horaire
Date
Supports de cours
Introduction, rappels
2h
13/09/2011
Contraintes et dépendances du modèle relationnel :
- Dépendances fonctionnelles et d'inclusion,
- Contraintes et SQL/ORACLE
- Implication de dépendances, fermeture, couverture
6h
15/09/2011
20/09/2011
27/09/2011
Conception de BD relationnelles :
- Redondances, perte d'information, problèmes de m.a.j.
- Formes normales.
- Algorithmes de normalisation.
- PL/SQL et triggers
- Traduction diagramme E/A en schéma relationnel
- BD d'Armstrong
8h
03/10/2011
08/11/2011
15/11/2011
Structures d'indexation (index creux ou denses, simple ou multiples,
B-arbres, tables de hachage, complexité des requêtes avec ou sans index)
4h
29/11/2011
06/12/2011
Introduction au modèle XML.
2h
22/11/2011
Voir sur le site
d'E. Coquery
- Les sujets de TDs sont accessibles sur la page de F. De Marchi.
- TPs (Accès au serveur pédagogique Oracle : informations disponibles ici.) :
TP1 : LDD et LMD
TP2 : Contraintes et dictionnaire
TP3 : Transactions
TP4 : PL/SQL
TP5 : Ancien sujet de TP noté
TP6 : XPath
TP7 : Indexation sous ORACLE
TP8 : Mini-Projet
A rendre pour le 20/12/2011.
- Annales de CC (2010) :
CC octobre 2010 CC novembre 2010
MIF-M2-OPT-PRO5 Fouilles de données (INF2010M)
| TP1 : Prise en main de WEKA et règles d'association. |
|
| TP2 : Clustering |
|
| TP3 : Mise en oeuvre. |
MIF20 TER (INF1010M)
SUJET 2010/2011 :
Parcourons le web pour enrichir une base de données réelle.
La fouille de graphes est un domaine
très actif de la fouille de données. Notamment par le fait que les
graphes permettent de modéliser de nombreux phénomènes réels (réseaux
sociaux, réseaux biologiques, etc.). La base de données DBLP (http://dblp.uni-trier.de/)
qui décrit les publications scientifiques en informatique
(plus d'un million d'articles indexés) s'avère être une base
de test (benchmark) très utilisée pour valider/comparer des
algorithmes de fouille de graphes. Par exemple, des graphes de
co-auteurs (plusieurs centaines de milliers de noeuds) peuvent être
construits à partir de cette base. Toutefois, si elle est
suffisante pour certaines méthodes de fouille de graphes (découverte de
(presque-)cliques, découverte de communautés, etc.), elle
ne permet pas de tester des méthodes de fouille de graphes plus
complexes (relation de citation,séquence de graphes, etc.).
L'objectif de ce TER est d'enrichir la base DBLP à partir du web et notamment de google scholar (http://scholar.google.fr/). Nous souhaitons, par exemple, ajouter, pour chaque article, quels sont les autres articles qui le citent. L'enrichissement de cette base va permettre d'obtenir un jeu de données unique pouvant servir de benchmark pour de nombreux algorithmes de fouille de graphes.
Une fois le jeu de données construit, il faudra élaborer des scripts permettant de générer différents types de graphes comme des graphes de citations/co-auteur, des graphes avec des propriétés sur les noeuds, des graphes dynamiques (séquences de graphes), etc.
Enfin, le but ultime sera d'appliquer des algorithmes pour la découverte de mécanismes de coopération/compétition plus ou moins connus et donc a priori intéressants a analyser.
Compétences requises : Algorithmique, Programmation, BD.
Formation : M1IF
Mots-clefs : graph mining, base de tests, benchmark.
L'objectif de ce TER est d'enrichir la base DBLP à partir du web et notamment de google scholar (http://scholar.google.fr/). Nous souhaitons, par exemple, ajouter, pour chaque article, quels sont les autres articles qui le citent. L'enrichissement de cette base va permettre d'obtenir un jeu de données unique pouvant servir de benchmark pour de nombreux algorithmes de fouille de graphes.
Une fois le jeu de données construit, il faudra élaborer des scripts permettant de générer différents types de graphes comme des graphes de citations/co-auteur, des graphes avec des propriétés sur les noeuds, des graphes dynamiques (séquences de graphes), etc.
Enfin, le but ultime sera d'appliquer des algorithmes pour la découverte de mécanismes de coopération/compétition plus ou moins connus et donc a priori intéressants a analyser.
Compétences requises : Algorithmique, Programmation, BD.
Formation : M1IF
Mots-clefs : graph mining, base de tests, benchmark.