Couvre le filtrage collaboratif et les méthodes basées sur le contenu pour les systèmes de recommandation, en abordant les problèmes de démarrage à froid et en faisant des prédictions.
Explore la factorisation matricielle dans les systèmes de recommandation, couvrant l'optimisation, les mesures d'évaluation et les défis liés à la mise à l'échelle.
Explore Association Rule Mining, en mettant l'accent sur les éléments fréquents et les mesures alternatives d'intérêt, y compris l'algorithme FP-Growth et la comparaison des performances.
Explore l'extraction de connaissances à partir du texte, couvrant des concepts clés tels que l'extraction de phrases clés et la reconnaissance d'entités nommées.
Explore la désambiguïsation des entités, reliant le texte aux bases de connaissances et la prédiction de liens dans les graphiques de connaissances avec des exemples de Wikipedia.
Explore l'inférence des connaissances pour les graphiques, en discutant de la propagation des étiquettes, des objectifs d'optimisation et du comportement probabiliste.
Couvre les défis des systèmes d'information distribués, y compris l'autonomie, l'hétérogénéité, l'évaluation de la confiance et la protection de la vie privée.
Présente les bases de la récupération d'informations, couvrant la représentation de documents, l'expansion des requêtes et TF-IDF pour le classement des documents.
Couvre la récupération d'informations probabilistes, la pertinence de la modélisation en tant que probabilité, l'expansion des requêtes et la génération automatique de thésaurus.
Couvre l'information sur les cours pour les systèmes d'information distribués, y compris les cours connexes, les programmes de maîtrise et les manuels.
Couvre la vue d'ensemble des systèmes d'information, la modélisation des données, la gestion des données et la distinction entre les données et l'information.
