Introduction : les enjeux des données massives, calcul distribué, HPFS et MapReduce, analyse des liens et PageRank, ensembles similaires (MinHashing et Local Sensitive Hashing), sous-ensembles similaires (A-priori alogithm), détection des communautés dans les graphes (clustering et BigClam), traitement des flots de données, systèmes de recommandation, détection des ensembles séparables.

Temps présentiel : 30 heures

Charge de travail étudiant : 70 heures

Méthode(s) d'évaluation : Examen final, Examen partiel, Travail personnel