Résumé | Les approches semi-supervisée ou non supervisée de la fouille de données permettent de mettre l'utilisateur au centre du processus pour suivre ses desiderata (semi-supervisée) ou lui fournir, clefs en main, les éléments qu'il veut analyser (non supervisée), sans pour autant lui demander une forte implication (supervisée).
De l'analyse d'images cérébrales à l'exploration de traces d'exécution de processus en passant par l'homogénéisation des évaluations des cours d'eau d'Europe, la fouille de données s'impose dès que les volumes de données deviennent massifs, c'est à dire, au 21ème siècle : partout !
Seront présentées des approches de clustering d'images (avec et sans guidage sémantique), de pattern mining (par du Formal Concept Analysis de contextes doublement complexes : multi-valués et flous et par des patterns périodiques à intervalles variables) et de graph mining scalable (par des polynômes de matrice).
|