• Thèmes : Fouille de données (data mining), Machine Learning, Visualisation, Apprentissage de préférences
• Encadrant : Marc Plantevit
• Laboratoire : LIRIS
• Equipe : DM2L (Data Mining and Machine Learning)

Produire des connaissances à partir des données est désormais un objectif majeur chez les propriétaires des données. Toutefois, les méthodes de fouille de données ne sont pas adaptées pour traiter des mégadonnées puisqu'elles nécessitent des compétences et des efforts importants pour l'analyste.

Ce projet vise à étudier le développement d'un nouveau système pour analyser des mégadonnées qui ne requiert pas d'expertise pour être utilisé. Ce projet a donc pour objectif de proposer une nouvelle façon d'explorer les mégadonnées s'appuyant sur les interactions entre l'utilisateur et le système qui produit à la volée des motifs à partir des préférences de l'utilisateur apprises à partir de ses retours. Ce système apprend le bonne représentation d'un motif en choisissant le domaine de motifs le plus simple pour véhiculer une connaissance. Les motifs seront proposés avec une explication riche pour favoriser l'analyse de l'utilisateur. Tous les résultats théoriques seront intégrés dans une plateforme clé‑en‑main

Points de travail :

• Etude des travaux de fouille de données interactives de l'état de l'art
• Développement d'une plateforme combinant :
• * Unordered List Item

Ce projet est pertinent pour les étudiants désirant s'orienter vers les masters 2 DS, TIW, IA.