Présentation de la mention

Вид материалаДокументы

Содержание


Responsable : Alessandra CARBONE
Подобный материал:
1   ...   27   28   29   30   31   32   33   34   ...   133




Acronyme : as

Spécialité : IAD

3 ECTS

Niveau : 500

Semestre : S3

Titre : Apprentissage symbolique

Responsable : Jean-Gabriel GANASCIA

Répartition hebdomadaire ou semestrielle


(CM: 3h00)

Contenu



Introduire à l’apprentissage machine et à ses applications tant à la fouille de données qu’à la découverte scientifique ou à la modélisation cognitive, tel est le but de ce cours destiné à des étudiants de seconde année de master qui s’orientent vers la recherche. Ce cours dispense les fondements mathématiques, informatiques et cognitifs requis pour tout étudiant qui souhaite poursuivr

Expérience du responsable dans le domaine de l’UE



Jean-Gabriel Ganascia a obtenu une thèse docteur ingénieur sur les systèmes à base de connaissances en 1982, puis une thèse d'état en 1987 sur l’apprentissage symbolique. Depuis 1988, il est professeur à l'université Paris VI où il enseigne l’intelligence artificielle et l’apprentissage symbolique. Il a dirigé pendant 12 ans le DEA IARFA. Plus de 25 docteurs ont effectué leurs travaux de recherche sous sa direction. Il est l’auteur de plus de 250 articles publiés dans les revues, des chapitres de livres ou des actes de colloques scientifiques.

Réalisations du responsable dans le domaine de l’UE




  • LITHO, système expert en géologie
  • AGAPE, apprentissage par généralisation à partir d'exemple en logique du premier ordre
  • CHARADE, induction automatique de règles d'association à partir d'exemples.
  • Le Littératron, extraction de motifs syntaxiques récurrents. Application à l'analyse stylistique.
  • MEDITE, aligneur unilingue destiné à la comparaison de versions de textes littéraires.







Acronyme : asb

Spécialité : STL

3 ECTS

Niveau : 500

Semestre : S3

Titre : Algorithmes sur les séquences en bioinformatique

Responsable : Alessandra CARBONE

Répartition hebdomadaire ou semestrielle


(CM: 20h)(TD/TME 10h)

Contenu



Ce cours de bioinformatique s'adresse aux étudiants intéressés par l'algorithmique et ses applications exploitant une quantité importante de données. Les algorithmes qui seront présentés sur les séquences biologiques concernent: la recherche de motifs, la comparaison de séquences, la prédiction de gènes, la prédiction de régions promotrices, la prédiction des structures secondaires de l'ARN, le problème d'alignement entre structures de protéines.

Expérience du responsable dans le domaine de l’UE



Mes recherches ont porté sur des différents aspects de la logique, de la dynamique symbolique et de la combinatoire. Depuis 2000, j’utilise des outils mathématiques (statistiques et combinatoire) et des approches algorithmiques pour étudier les principes de bases du fonctionnement cellulaire en partant de données génomiques. Les recherches développées au sein de mon équipe portent sur le développement de méthodes pour la détection de protéines à faible homologie, la détection des interfaces d’interaction entre protéines, la co-évolution, la comparaison des génomes et l’auto-assemblage de molécules d’ADN.

Réalisations du responsable dans le domaine de l’UE




  • A.Carbone, N.C.Seeman, Circuits and Programmable Self-Assembling DNA Structures, Proceedings of the National Academy of Science USA, 99:12577-12582, 2002.
  • A.Carbone, M.Gromov, Functional labels and syntactic entropy on DNA strings and proteins, Theoretical Computer Science, 303:35--51, 2003.
  • A.Carbone, A.Zinovyev, F.Képès, Codon Adaptation Index as a measure of dominating codon bias, Bioinformatics, 19:2005-2015, 2003.
  • A.Carbone, F.Képès, A.Zinovyev, Codon bias signatures, organisation of microorganisms in codon space and lifestyle, Molecular Biology and Evolution, 22(3):547–561, 2004.
  • A.Carbone, R.Madden, Insights on the evolution of metabolic networks of unicellular translationally biased organisms from transcriptomic data and sequence analysis, Journal of Molecular Evolution, 61:456–469, 2005.