Des données aux connaissances : apprentissage, modélisation et indexation des contenus multimédias et des données symboliques

Responsable : Patrick Gros

L’informatique, traitement automatique de l’information étymologiquement, est amenée à traiter toutes sortes de données porteuses de sens. Mais comment passer des données, représentées sous forme de suite de 0 et de 1, au sens de ces données ? Même si ce sens reste largement inaccessible, peut-on manipuler ces données par certains aspects de leur sens, plutôt que par leur seule représentation ? Quelles applications cela ouvre-t-il ?
C’est à ces questions que ce parcours est dédié, croisant d’une part l’étude de quelques exemples de données typiques, issues des médias (documents textuels ou audiovisuels), de la génomique ou de divers signaux et d’autre part l’étude des principaux algorithmes pour traiter, analyser et exploiter intelligemment de telles données à l’aide de méthodes informatiques : analyse de données, apprentissage, structuration, segmentation, modélisation…
Ce parcours s’adresse donc à des étudiants intéressés par l’algorithmique portant sur des objets issus du monde de tous les jours : données biologiques, génomiques et médicales, télévision, radio, journaux…

Pré-requis : programmation, algorithmique et structures de données classiques, bases de mathématiques (probabilités, algèbre, géométrie de niveu L2).

Programme

• Tronc commun du Master :  parmi les 3 modules scientifiques proposés, l’étudiant devra suivre
• le module Analyse des données et modélisations stochastiques (ADM),
• au choix, l’un des 2 autres modules : Introduction à l'algorithmique des applications et des systèmes répartis (ASR) ou Optimisation numérique et combinatoire (OPT) ;
  
• les étudiants suivent aussi les modules Bibliographie, Colloque et Meta.
  

• Contenu spécifique du parcours : le parcours se compose de 5 modules
• Acquisition et représentation des données (ARD)
• Apprentissage supervisé (AS)
• Apprentissage sur des données séquentielles symboliques (DSS)
• Analyse des documents et des flux audiovisuels pour l'indexation (FAV)
• Gestion de larges collections de documents décrits (CDD)

Évaluation des connaissances
Les modules de tronc commun donnent lieu à examen écrit ; les modules spécifiques donnent lieu à contrôle continu (lecture d’articles, exposés, travaux expérimentaux, travaux personnels).

Langue d’enseignement
Les transparents seront rédigés en anglais ; les enseignants exposeront leurs cours en français ; questions et réponses pourront être en français ou en anglais. L’ensemble des travaux effectués par les étudiants, y compris ceux comptant pour l’évaluation pourront être en français ou en anglais.

Stages
Les étudiants suivant le parcours peuvent effectuer leur stage préférentiellement

• dans un laboratoire de recherche des établissements qui co-habilitent le Master, à Rennes ou dans une autre ville (cf. bas de la page ici),
• dans un laboratoire académique à l’étranger,
• au sein d’un laboratoire industriel (par exemple : Thomson, France Télécom, Canon) et ce en France ou à l’étranger.

Dans les deux derniers cas, la proposition de stage doit est agréée par un des enseignants du parcours qui assurera le lien avec l’étudiant pendant le stage.

À l’IRISA, plusieurs équipes ont vocation à accueillir les étudiants du parcours : DREAM, IMADOC, LIS, METISS, SYMBIOSE, TEXMEX, VISTA…

Exemples de sujets de master proposés aux étudiants en 2007 - 2008

Exemples de sujets de thèses proposés pour la rentrée 2008 aux étudiants ayant suivi le master en 2007-2008

Contacts

• Pour le parcours : Patrick.Gros@irisa.fr
  
• Pour le master : m2r_resp@listes.irisa.fr
• Secrétariat du master : Beatrice.Maret@univ-rennes1.fr