• Thèmes : Fouille de données (data mining), extraction de séquences, analyse de logs , big data, data science.
• Encadrant : Marc Plantevit, Céline Robardet
• Laboratoire : LIRIS
• Equipe : DM2L (Data Mining and Machine Learning)

De nos jours, les données sont devenues ubiquitaires et considérée comme une nouvelle ressource naturelle. Grâce aux différentes approches développées dans le domaine des bases de données, de fouille de données et l'apprentissage artificiel, il est possible de mieux appréhender ces données afin de mieux comprendre le système sous-jascent pour le propriétaire des données. Toutefois, de nombreux systèmes peinent encore à tirer partie des données dont ils disposent. C'est le cas, de nombreux systèmes mis en production et qui enregistrent de nombreux logs sans vraiment s'en servir pour expliquer/prédire des pannes ou développer des nouvelles versions.

L'objectif de ce projet de recherche est de concevoir une approche générique de fouille de logs basée sur la fouille de séquences afin de décrire d'expliquer certaines pannes du système associé. Le travail demandé se décompose en plusieurs étapes :

• Etude bibliographique sur la fouille de séquences,
• Identification de pannes dans des logs (définition de requêtes sur des logs),
• Description des différents types de pannes (formalisation en problème de fouille de séquences, extraction),
• Application de l'approche développée sur des logs issus d'un réseaux de capteurs.

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.