Bienvenu sur le git du cours de Data Mining avancé pour les M2 2022. Vous trouverez ici les slides des cours, les sujets de TD et quelques exemples de codes pour les algorithmes que nous présenterons en cours.

Au programme

Dans les précédentes parties du cours, vous avez étudié des sous familles du data mining avec notamment les approches de Text Mining et Pattern mining. Dans ce cours, nous allons voir comment ces deux approches peuvent être utilisées sur des applications continues plutôt que discrète. Plus spécifiquement, nous étudierons deux algorithmes de classification supervisés des séries temporelles, que sont Bag-of-SFA Symbols (BOSS) et Shapelet Transform.

Instruction pour le TP

Télécharger cette archive sur votre machine locale :
- Soit avec le zip sur la page git du projet, et ensuite extraction du zip
- Soit avec un git clone https://github.com/baraline/CoursM2-ApplicationsNumeriques.git

Si vous utilisez un IDE python (ex: Spyder inclut dans Anaconda) pas besoin des étapes 2,3,4. Mais dans ce cas créer un nouveau projet sur le répertoire CoursM2-ApplicationsNumeriques.

Lancer une console python (via Anaconda ou votre installation de Python locale). De préférence sur Anaconda, créer un nouvel environnement.
Naviguer vers le dossier CoursM2-ApplicationsNumeriques sur votre disque. Si vous êtes sur les machines de la fac, ajouter l'option --user a vos commandes pip ou python3 install.
Lancer la commande pip install sktime==0.9, puis python setup.py install. Si plusieurs versions de Python sont présentes sur l'ordinateur, privilégié python3 setup.py install.
Si vous rencontrez une erreur d'installation, me prévenir.
Le sujet du TP est disponible dans le fichier m2tpdm/README.md

Suite aux bugs constatés en salle machine (E09) lors de l'installation suivre la procédure suivante:

python3 -m pip install --user --upgrade pip
pip3 install sktime==0.9 --user
pip3 install scipy --user --upgrade
python3 setup.py install --user

Contributions

Si vous souhaitez contribuer à améliorer cette page ou que vous avez des questions sur une partie du contenu, merci d'utiliser le système de tickets (issues) de ce Git.

Contact

Pour tout autres demandes, vous pouvez me contacter à l'adresse : antoine.guillaume@worldline.com

Pour aller plus loin

Quelques algorithmes de l'état de l'art (2022) pour la classification des séries temporelles pour les curieux:

Random Convolution KErnel Transform (ROCKET)
Hive Cote 2.0 et ses composant
InceptionTime (Deep Learning)