Informatique Décisionnelle

 

M1, Université Paris II

Michel de Rougemont

 

Ce cours présente les fondements algorithmiques et logiques des méthodes de traitement de données, d’analyse de données et de calcul d’équilibres. Le traitement de l’incertitude est central et concerne la robustesse des calculs et l’évaluation des risques dans les processus de décision.

 

Buts du cours:

  • Master Professionnel : maîtriser  les principaux modèles de données en économie, en particulier les modèles de BI (Business Intelligence).
  • Master Recherche :  introduction aux mécanismes économiques, à la complexité, et aux principales notions d’approximation.

 

Prérequis :

  • L1 : HTML, PHP, Serveurs Web, tableurs (Excel) 
  • L2 : Modèle relationnel (Access et MySql)
  • L3 : Bases d’algorithmique

 

Organisation :

  • 3h de cours pendant 12 semaines au 1er semestre. Chaque cours est divisé en 2 parties : la première partie introduit les modèles théoriques et leur contexte, la deuxième partie présente des logiciels qui illustrent les concepts théoriques et qui seront ensuite utilisés dans les TDs.
  • 1h1/2 de T.D. pendant 12 semaines au 1er semestre.  Chaque étudiant utilise les logiciels présentés en cours et construit un projet qui comporte plusieurs parties complémentaires. Site des TDs.

 

Evaluation :

  • Examen de 3h portant sur les principes théoriques
  • Note de TD évaluant le projet global de chaque étudiant.
  • La note finale est la moyenne de ces deux notes.

 

Pan de cours:

 

1. Modèles de Calcul et  Modèle relationnel

·         Données en Informatique: structurées (tables), semi-structurées (XML, Exemples .xml et .xsl ), compressées. Données en Economie: incertaines, inexactes , valeurs nulles, statistiques.

  • Schéma relationnel
  • Langage SQL
  • Formes normales

 

2. Modèle OLAP

  • Entrepôt de données, Schéma Etoile
  • Représentation XML d’un schéma
  • Cube, MDX, requêtes multi-dimensionnelles

 

3. Data Mining  

  • Arbres de décisions:
  • Régression linéaire :
  • Réseaux de neurones
  • Clustering et règles d’association

 

4.. Equilibres et  Mécanismes:

  • Nash: algorithme de Lemke-Howson, stabilité
  • Mécanisme Adwords, Economie Numérique

 

Autres sujets possibles: Moteurs de recherche : Google Desktop, Copernic, Exalead. Streaming models : XML sensors. Bibliothèques électroniques et taxonomies.

 

 

Polycopié Master-Professionnel,
Polycopié OLAP , Polycopié OLAP et TD OLAP en francais

Ecrans PHP-MySQL
Ecrans OLAP-Mondrian-MDX,
Ecrans DTREE et SAS-ENTREPRISE-MINER, Dtree package avec exemples

Glossaire : http://en.wikipedia.org/wiki/Main_Page  ou http://fr.wikipedia.org/wiki/Wikip%C3%A9dia:Accueil en français.

 

Références Master Professionnel :

  1. Pratique de MySQL et PHP, P. Rigaux, O'Reilly Editeur
  2. XML in a Nutshell, E. R. Harold, W. S. Means, O'Reilly Editeur

Examen de 2007

Corrigé de l'Examen de 2007


 

Références Master Recherche :

 

  1. Modèles de calcul, Calculabilité et Complexité 

 

    • C. Papadimitriou: Computational Complexity, Addison-Wesley, 1994

 

    • R. Lassaigne, M. de Rougemont : Logic and Complexity, Springer-Verlag, 2004

 

  1. Statistiques, Learning, Data-Mining

 

    • Larry Wasserman. All of statistics. Springer Texts in Statistics. Springer-Verlag, New York, 2004. A concise course in statistical inference.

 

    • T. Hastie, R. Tibshirani, and J. Friedman. The elements of statistical learning. Springer Series in Statistics. Springer-Verlag, New York, 2001.

 

    • Peter Dalgaard. Introductory statistics with R. Statistics and Computing. New York, NY: Springer. xv, 267 p. 2002.

 

  1. Théorie algorithmique des jeux et des mécanismes

 

    • M. Osborne, A. Rubinstein. A Course in Game Theory, MIT Press 1994.

 

 

 

Ressources Web: principes généraux

 

 

 

Ressources Web: PHP et MySql

 

 

 

Ressources Web: OLAP

 

 

 

Ressources Web: Data-Mining

 

 

Ressources Web: XML

 

 

Ressources Web: Jeux et Mécanismes