L'enseignement comprend des exposés théoriques d'une à deux heures suivis de travaux pratiques basés sur l'application de Text-Mining en langage Python.
Planning : (23h CM & 13h TP)
L'enseignement comprend des exposés théoriques d'une à deux heures suivis de travaux pratiques bases
sur l'application de Text-Mining en langage Python.
Séance 1: 02/05 9h00-12h00 - CM - Classi cation automatique (MR Amini)
Séance 2: 05/05 9h00-12h00 - CM - Classi cation automatique (MR Amini)
Séance 3: 10/05 9h00-12h00 - TP - Prise en main UNIX, intro Python et implementation du
perceptron, (G. Balikas)
Séance 4: 12/05 9h00-12h00 - CM - Clustering, (MR Amini)
Séance 5: 17/05 9h00-10h00 - CM - Clustering, Massih; 10h00-12h00 - TP - Programmation de
l'algorithme K-means, (G. Balikas)
Seance 6: 19/05 9h00-12h00 - CM - Representation et indexation d'une collection de documents,
(MR Amini)
Séance 7: 23/05 9h00 - 12h00 - TP - Classi cation et clustering appliques a une collection de
documents, (G. Balikas)
Séance 8: 26/05 9h00 - 12h00 - CM - Latent Semantic Indexing (LSI), Probabilistic LSI & Latent
Dirichlet Allocation, (M. Clausel)
Séance 9: 31/05 9h00 - 12h00 - CM - Latent Semantic Indexing (LSI), Probabilistic LSI & Latent
Dirichlet Allocation, (M. Clausel)
Séance 10: 02/06 9h00 - 10h00 - CM Latent Semantic Indexing (LSI), Probabilistic LSI & Latent
Dirichlet Allocation, (M. Clausel).
Séance 10: 02/06 9h00 - 10h00 - CM - LDA, Marianne; 10h00 - 12h00 - TP - Application Text
Mining, (G. Balikas)
Séance 11: 07/06 9h00 - 12h00 - CM - Analyse des donnees, M. Clausel)
Séance 12: 09/06 9h00 - 12h00 - TP - Application Text Mining, (G. Balikas)
