Logo de Ingénierie de la fouille et de la visualisation de données massives

Cours Cnam RCP216
index

Index

A | B | C | D | E | F | G | H | I | L | M | N | P | R | S | T | V | W

A

  • Analyse sémantique explicite
  • Analyse sémantique latente
  • Apache Kafka
  • Apprentissage incrémental
  • Apprentissage supervisé
  • attention

B

  • Bases de données vectorielles
  • BERT, [1]
  • Biais, [1]

C

  • calibration
  • Correction d'iniquité
  • Correction de l'iniquité
  • courbes ROC
  • critères observationnels d'équité

D

  • descente de gradient
  • Détection d'iniquité
  • Détection de l'iniquité

E

  • embeddings contextuels de phrases
  • entités nommées
  • equalized odds
  • Equité
  • ESA
  • Ethique
  • échantillonnage

F

  • FastText
  • filtrage dans un flux
  • filtre de Bloom
  • Flux de données
  • Fouille de textes

G

  • GloVe
  • GPT
  • grid search

H

  • Hyperparamètres

I

  • indépendance

L

  • lemmatisation
  • LLM
  • Locality Sensitive Hashing
  • LSA

M

  • Machines à vecteurs de support
  • modèle de langage autorégressif
  • Modèle vectoriel
  • Modèles de langage

N

  • NLP

P

  • parité démographique

R

  • racinisation
  • RAG
  • Retrieval-Augmented Generation
  • RLHF

S

  • sac de mots
  • SBERT
  • self-attention
  • Sentence-BERT
  • séparation
  • sources des biais
  • Spark ML
  • Spark Structured Streaming
  • streaming K-means
  • suffisance
  • SVM

T

  • tagger
  • TF-IDF
  • tokenisation par sous-mots
  • tokenizer
  • Traitement automatique du langage
  • Transformer

V

  • validation croisée

W

  • Word2Vec

Table des matières

  • Préambule
  • Cours - Introduction
  • Travaux pratiques - Introduction à Python
  • Cours - Approches sans distribution
  • Travaux pratiques - Pandas, Polars et visualisation avec Plotly
  • Cours - Approches distribuees
  • Travaux pratiques - Introduction à PySpark et aux DataFrames Spark
  • Cours - Recherche par similarité : LSH et bases vectorielles
  • Travaux pratiques - Détection de quasi-copies avec MinHash LSH
  • Cours - Apprentissage supervisé à large échelle
  • Travaux pratiques - Comparaison de classifieurs dans Spark ML
  • Cours - Fouille de données textuelles (1/2)
  • Travaux pratiques - Fouille de textes 1 : SparkNLP et GloVe
  • Cours - Fouille de données textuelles (2/2) : Transformers et modèles de langage
  • Travaux pratiques - Fouille de textes 2 : GloVe vs BERT avec SparkNLP
  • Cours - Graphes et réseaux sociaux : définitions, propriétés, modèles
  • Travaux pratiques - GraphFrames : chemins et centralités
  • Cours - Graphes et réseaux sociaux : détection de communautés
  • Travaux pratiques - Analyse d’un grand graphe (Medline)
  • Cours - Visualisation d’information
  • Travaux pratiques - Visualisation de données volumineuses
  • Cours - Visualisation de graphes et réseaux sociaux
  • Travaux pratiques - Visualisation de graphes : Gephi et Spark
  • Cours - Fouille de flux de données
  • Travaux pratiques - Fouille de flux de données
  • Cours - Systèmes de recommandation
  • Travaux pratiques - Systèmes de recommandation avec Spark MLlib
  • Cours - Aspects éthiques dans la fouille de données (1/2)
  • Travaux pratiques - Détection des disparités
  • Cours - Aspects éthiques dans la fouille de données (2/2)
  • Travaux pratiques - Correction des disparités

Recherche

index
© Copyright 2015-2026, M. Crucianu, R. Fournier-S'niehotta, M. Ferecatu, N. Audebert - Cnam. Licence Creative Commons BY-NC-SA 4.0. Mis à jour le août 28, 2026. Créé en utilisant Sphinx 8.2.3.