Descriptif
The course will present the main properties of real graphs and some key algorithms for sampling, ranking, classifying, representing and clustering nodes.
You will also learn how real graphs are structured, with a focus on the scale-free and small-world properties.
You will also learn how to find the most important nodes in the graph, how to detect clusters of nodes and how to classify nodes or predict new links.
A large part of the course will be devoted to programming in Python where you will have to implement and test various algorithms for analysing real datasets.
Objectifs pédagogiques
Acquis d'apprentissage
À l'issue de l'UE, l'élève sera capable de:
- modéliser des systèmes complexes à l'aide de graphes
- appliquer des techniques d'apprentissage sur graphes
- interpréter les résultats obtenus
Compétences de rattachement (et justification)
- BC5.2 – Concevoir un système de traitement de données, d’intelligence artificielle, d’apprentissage machine dans un objectif d’aide à la décision ou de recherche automatique d’information; Justification : L'UE amène les élèves à concevoir des systèmes d'apprentissage machine à base de graphes.
- BC4.1 – Conduire une analyse prenant en compte la complexité d’une demande ou d’une situation afin d’identifier les domaines des sciences et technologies à mobiliser; Justification : Comprendre dans quels cas utiliser une représentation d'un système par des graphes.
Diplôme(s) concerné(s)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenProgramme détaillé
* Sparse matrices
* Graph structure
* PageRank
* Clustering
* Hierarchical clustering
* Heat diffusion
* Spectral embedding
* Graph neural networks
