<note>M2TI – 2012/2013</note>

• Processus ECD (KDD).
• Itemsets, Règles d'association, Apriori.
• Classes de contraintes (montones, anti-monotones, convertibles AM/M, etc.).
• Fouille de séquences (approches générer/élaguer et Pattern-growth, contraintes spécifiques aux séquences).
• Définition de nouveaux langages de motifs et algorithme d'extraction (cas des motifs graduels).
• Clustering (k-moyennes, k-médianes, hiérarchique, etc.)

<note warning>Utilisation de Weka : Nous allons utiliser weka et son API dans les TPs. Toutefois, notons que d'autres logiciels libres sont également disponibles comme Knime. </note>

• TP1 (séance du 29/11/2012): prise en main de Weka et de ses fonctionnalités (visualisation, prétraitements, règles d'association, clustering, classification, API).
• Découverte de discrimination
• Mise en oeuvre

• Weka
• Knime
• Kaggle (Making Data Science A Sport)
• UCI KDD Archive
• UCI Machine Learning
• Données Publiques

• IEEE ICDM Conference
• SIG KDD Conference
• ECML/PKDD Conference
• Springer Data Mining and Knowledge Discovery Journal
• ACM Transaction on Knowledge Discovery from Data Journal
• Introduction To Data Mining. Pang-Ning Tan, Michigan State University, Michael Steinbach, University of Minnesota, Vipin Kumar, University of Minnesota. lien