
Data Mining Avancé: Environnements parallèles et distribués
(Partie 2)
Objectifs pédagogiques
Dans ce cours deux aspects seront abordés:
- Une approche théorique sur les bases des systèmes distribués
- Savoir écrire des algorithmes de base en distribué.
- Une approche technique via la découverte de Framework de Data Mining.
Principaux acquis qui seront évalués
L’évaluation est décomposée selon 1 exposé/demo (Framework de DM), des rendus suivant les séances servant de contrôle continu et un examen (à confirmer)
Connaissances préalables/cours en prérequis
- Avoir suivi la partie 1 de ce cours [D. Clot]
- Une connaissance de base en Unix (Linux) est très fortement souhaité.
Plan
- Modélisation
- Algorithimique en DS
- Protocoles de communications
- Election de leader
- Exclusion mutuelle
- Fautes dans les DS
- Frameworks Data Mining
Références bibliographiques
Les références bibliographiques et liens vers les ressources en ligne vous seront donnés à chaque fin de chapitre.
Public
Enseignant(s)
- Eddy Caron (Université Lyon1)
- Denis Clot (Université Lyon1)