Apprentissage artificiel et fouille de données

Revue des nouvelles technologies de l'information - RNTI A-3

Collectif RNTI, Younès Bennani, Emmanuel Viennet - Collection RNTI

320 pages, parution le 24/06/2009

Ajouter à une liste

Indisponible

Résumé

L'apprentissage artificiel et la fouille de données prennent chaque jour plus d'importance, tant dans le monde de la recherche académique que dans l'industrie. La mise en valeur de données est devenue une activité stratégique dans de nombreux secteurs : vente et marketing, services web, logistique...

L'apprentissage artificiel, discipline au croisement de l'informatique et des statistiques, et entretenant des liens avec d'autres communautés scientifiques aussi diverses que la physique, les sciences du langage ou le traitement du signal tente de répondre aux nouveaux défis posés par les innombrables applications de la fouille de données : nouveaux types de données (structurées, graphes, réseaux sociaux), grande dimension des problèmes à traiter.

L'équipe "Apprentissage Artificiel & Applications" (A3) du Laboratoire d'Informatique de Paris-Nord (LIPN) a organisé en avril 2008 la troisième édition des journées thématiques sur l'apprentissage et la fouille de données, centrée autour de l'utilisation des techniques d'apprentissage artificiel pour l'analyse et l'exploration de données afin d'en comprendre le sens, de déceler des relations entre des événements, d'en déduire des modèles de comportement.

Le présent numéro spécial de la revue RNTI est le prolongement de ces journées, qui ont été l'occasion de faire le point sur l'état de l'art des techniques et des applications utilisant l'apprentissage artificiel dans le domaine de la fouille de données, et d'établir un dialogue entre chercheurs et industriels oeuvrant dans ces domaines. Les articles sélectionnés pour ce numéro couvrent différents aspects de l'apprentissage artificiel.

L'auteur - Collectif RNTI

Autres livres de Collectif RNTI

Avancées récentes dans le domaine des architectures logicielles : articles sélectionnés et étendus de CAL'2013

Découvrir tous les livres de Collectif RNTI

Sommaire

Modélisation probabiliste de collections textuelles et distributions de mots
Etude comparée des performances de SVM multi-classes en prédiction de la structure secondaire des protéines
Un modèle génératif pour l'apprentissage de la topologie
Classification sous contraintes probabilistes par les cartes topologiques
Analyse de la vraisemblance des liens relationnels : une méthodologie d'analyse classificatoire des données
Panorama de quelques approches récentes pour la classification non supervisée de graphes
Recherche de communautés dans les grands réseaux sociaux
Affection pondérée par le critère de Kolmogorov-Smirnov sur des données de type intervalle et diagramme
Représentation des données par un comité de cartes auto-organisatrices : une application aux données bruitées
Essai de Typologie Structurelle des Indices de Similarité Vectoriels par Unification Relationnelle

Voir tout

Replier

Caractéristiques techniques

	PAPIER
Éditeur(s)	Cépaduès
Auteur(s)	Collectif RNTI, Younès Bennani, Emmanuel Viennet
Collection	RNTI
Parution	24/06/2009
Nb. de pages	320
Format	16 x 24
Couverture	Broché
Poids	506g
Intérieur	Noir et Blanc
EAN13	9782854288995
ISBN13	978-2-85428-899-5