Modélisation des Réseaux (M1 SIREN, 2021)


Airports Network Map.pngCosmic web.jpg


Université Paris Dauphine - PSL, M1 SIREN 2020-2021

Enseignant: Ale Abdo

Orientations:


Introduction : Séance 1 (10/05)Modifier

RéseauxModifier

Relations, représentations, mesures.

Phénomènes des et dans les réseaux.

Réseaux et espaces, distance, dimension, projection.

Théorie des graphes, réseaux aléatoires, réseaux complexes.

Bases de données et réseaux, données éparses.

Réseaux et WebModifier

Navigation (HTML, hyperliens).

Traces. Données.

Promenades. Flux. Diffusion.

Recherche. Recommandation.

Sémantique (RDF, ontologies).

Techniques d'analyse et modélisationModifier

Statistique descriptive. Mesures locales et globales.

Processus dynamiques. Simulations.

Modèles génératifs. Modèles prédictifs.

Contraintes formelles et modèles nuls.

Fondamentaux de l'analyse de réseauxModifier

 
Diapos 1
  • Les éléments des graphes
  • Variantes de graphes
  • Cas notables
  • Voisins et degrés
  • Chemin et distance

ActivitéModifier

Activité A

Séance 2 (25/05)Modifier

Fondamentaux de l'analyse de réseauxModifier

  • Composantes d'un graphe

Analyse de réseauxModifier

  • Statistiques descriptives
  • Distributions et corrélations

ActivitéModifier

Séance 3 (07/06)Modifier

 
Diapos 2

Analyse de réseauxModifier

  • Distributions et corrélations
  • Transitivité et corrélations

Bases du WebModifier

ActivitéModifier

Séance 4 (10/06)Modifier

 
Diapos 3

Analyse de réseauxModifier

Web SémantiqueModifier

  • How an IBM Watson Health rescue mission collapsed (sur la valeur des ontologies et vocabulaires pour lier des données divers) :
    « The team was to be given nine months to turn things around and “improve accuracy,” “standardize terminology,” and “reduce overlap” among the groups working on a dozen different health products. » , « The document, dated April 26, 2017, also describes a troublesome “lack of standardization” among teams working on different projects, noting as an example, that four of Watson’s cancer products each defined a particular type of leukemia in different ways. », « It describes a plan to deploy employees to annotate medical records to develop a standardized dictionary that could be used to train a machine-learning-based system for use across the organization, instead of developing separate algorithms for each product ».

ActivitéModifier

Séance 5 (15/06)Modifier

 
Diapos 4 : séances 4 et 5

Analyse de réseauxModifier

  • Vecteur propre
  • Vecteur propre cas non-orienté
  • De vecteur propre à PageRank

WebModifier

  • Moteurs de recherche
  • Mesures génériques et mesures personnalisés

ActivitéModifier

Séance 6 (22/06)Modifier

Analyse de réseauxModifier

  • Systèmes de recommandation
    • Similarité et filtrage collaboratif
    • Scores spécialisés et généralistes
  • Modèles génératifs
    • Graphe aléatoire et modèle configurationnel
    • Modèle d'attachement préférentiel
    • Modèles à bloc stochastiques (SBM)
  • Modèles dynamiques
    • Circulation (vecteur propre)
    • Percolation (proximité)
    • Contagion (SIR+)
  • Hypothèses et modèles nuls
  • Réseaux et classification
    • Classification, communautés, clusters, hiérarchies
    • Modularité et motifs assortatifs
    • Modèles à bloc stochastiques (SBM)

Pour plus d'infos sur ces topiques et bien d'autres, naviguez depuis la boîte d'index à droite dans la page Network Science chez Wikipédia.

WebModifier

  • Révision de concepts

ActivitéModifier