Comparaisons de méthodes de data mining et de machine learning au travers de l'étude du système Velo'v

* Thèmes : Fouille de données (data mining), apprentissage artificiel (machine learning), données spatio-temporelles, big data, data science.

• Encadrant : Marc Plantevit, Céline Robardet
• Laboratoire : LIRIS
• Equipe : DM2L (Data Mining and Machine Learning)

L'objectif de ce projet de recherche est d'étudier et d'appliquer différentes approches de fouille de données et d'apprentissage artificiel sur les données Velo'v (système de vélo en libre service sur l'agglomération lyonnaise)

• Etude bibliographique des différentes méthodes (notamment les travaux de l'équipe de Katharina Morik et ceux développé au sein de DM2L);
• Application des méthodes sur le jeu de données Velo'v;
• Comparaison des approches;

Ce projet est pertinent pour les étudiants désirant s'orienter vers les masters M2TI(W) ou M2IADE ou les étudiants intéressés par la science des données.