Aperçu des sections

  • Welcome!

    Tout replier Tout déplier

                                                       README

    La gestion de données devient de plus en plus complexe pour les data scientists , pour les non-experts c'est beaucoup pire. Les recherches avancées notamment dans le domaine de l'IA cherche un trouver une sortie de secour pour resoudre ce probleme d une maniere intelligente et surtout simple et facile pour les utilisateurs non-specialistes. 

    Ce domaine ouvre des portes prometteuses qui nous offrent la possibilité de changer et passer des problèmes dont on peut rester des mois et des années bloqués sans trouver des solutions .

                                           
            
                                           Knowledge Graph(graphe de connaissances)

  • Restez en contact


    • Enseignant de la matière : Pr. Malika Berrahou ,   Contact : malikaberr@gmail.com
    • Faculté de sciences
    • Département d'informatique
    • Filière : Génie logiciel
    • Niveau : M2
    • Unité d'enseignement : Fondamentale
    • Coefficient : 5
    • Crédit : 4
    • Volume horaire de travail requis/semaine : 1h30
    • Modalité du suivi : dimanche de 10h00 à 11h30.
    • Modalité d'évaluation : TP 20%, TD 30%  Examen final 50%.


  • Objectifs de la matière

    • Dans ce module on cherche à:

      1. Comprendre les notions de données graphes
      2. Métrisez la manipulation et traitement de ce type de données
      3. Intégrer des nouvelles techniques selon le choix de chaque étudiant afin d ameliorer l exploration des donnees graphes (à partir des mini-projets) 


  • Préléminaire

    • Le 1er cour sera la base de votre départ dans ce module, comprendre les notions les plus simple et basiques est aussi imporant que celles les plus avancées. 

  • Prérequis

    • quiz icon
      Test initial
      Terminé : samedi 31 janvier 2026, 16:41

  • Plan du Module

  • Carte conceptuelle de la matière

    Carte mentale

  • Espace de Visio Conférence

  • Chapitre 1

  • Chapitre 2

  • Test de sortie

  • Références Bibliographiques

    Casado, R., Younas, M., 2015. Emerging trends and technologies in big data processing. Concurrency and Computation: Practice and
    Experience, 27(8), 2078‑ 2091. https://doi.org/10.1002/cpe.3398
    PRITCHETT, D., 2008. BASE: An Acid Alternative : In partitioned databases, trading some consistency for availability can lead to
    dramatic improvements in scalability. Queue, 6(3), 48‑ 55.
    Brewer, E., 2012. CAP twelve years later : How the « rules » have changed. Computer, 45(2), 23‑ 29. https://doi.org/10.1109/MC.2012.37
    Fraczek, K., Plechawska-Wojcik, M., 2017. Comparative Analysis of Relational and Non-relational Databases in the Context of
    Performance in Web Applications. In Beyond Databases, Architectures and Structures. Towards Efficient Solutions for Data
    Analysis and Knowledge Representation (Vol. 716, p. 153‑ 164). Springer International Publishing. https://doi.org/10.1007/978-3-
    319-58274-0_13
    Oussous, A., Benjelloun, F.-Z., Lahcen, A. A., Belfkih, S., 2017. NoSQL databases for big data. Int. J. Big Data Intelligence, 4(3), 171‑
    185.
    Aydoğan, T., İlkuçar, M., Akca, M. A., 2016. An Analysis on the Comparison of the Performance and Configuration Features of Big
    Data Tools Solr and Elasticsearch. International Journal of Intelligent Systems and Applications in Engineering, 4(Special Issue-1),
    8‑ 12. https://doi.org/10.18201/ijisae.271328

  • Avis des etudiants