DMWI

    Le data mining est le processus de recherche automatique de gros volumes de données pour en extraire la connaissance. Le web mining est l’application des techniques du data mining au contexte particulier du web. Le web content mining s’intéresse à l’extraction des connaissances à partir du contenu des pages web (images, audio, vidéo ou documents).

    La taille de donnée disponible continue de croitre, surtout avec l’apparition du concept Open data, de l’internet of things, des capteurs embeded, des milliards de milliards de données sont générées  de manière continue. On parle dans ce cas de Big Data.

    Le but de l’apprentissage automatique est d’automatiser une tâche de classification, de régression, d’association, ou de regroupement. Ces traitements sont catégorisés en apprentissage supervisé et non supervisé. Les méthodes classiques de machine learning connaissent un grand intérêt dans plusieurs domaines grâce à leurs performances corrects et leur temps de traitement raisonnable. Cependant, ces stratégies sont basées sur la représentation des données, où l’extraction non supervisée des caractéristiques peut réduire la performance lors de la présence des caractéristiques non discriminantes, d’où le recours de plus en plus actuellement à l’apprentissage profond.

    L’apprentissage profond  est une branche de l’apprentissage automatique basée sur les réseaux de neurones artificiels (ANN). Ces dernières années, les méthodes d’apprentissage profond (deep learning) ont été exploitées dans plusieurs domaines : traduction automatique , génération automatique de texte , voitures autonomes, reconnaissance d’images et santé. Il est possible aussi d’hybrider les deux techniques ML et DL par les méthodes ensemblistes pour améliorer les performances en faisant travailler les deux approches cote à cote.

    Pour conclure, nous dirons, que notre équipe  traitera, dans le cadre des différents doctorat encadrés, un maximum de sujets à l’intersection des domaines du Web Mining et du Big Data en utilisant aussi bien l’apprentissage automatique profond que classique.

    Vu l’obligation de résultats concrets (pour un doctorant), nous espérons des résultats dignes d’être exploités dans leurs domaines spécifiques. Certains de nos doctorants (deux) travaillent ont soutenus leur doctorat et six leur magisters

    Nous espérons dans un premier (et difficile) temps les convaincre de notre utilité et de l’intérêt que peut apporter une collaboration. Puis dans un deuxieme temps, leur apporter des solutions implémentables et efficaces qui peuvent améliorer leur productivité.

Professeur
ELBERRICHI Zakaria

Maître de Conférence classe B
BIDI Noria
FAHSI Mahmoud

Maître Assistant classe A
SIMOHAMED Nasreddine
HAMID Abbassia
BENNABI Sakina Rim
ALAOUI Abdiya

Doctorant
BOUDHAB Tarek
DIF Nassima