Graphes, interactions et introduction au langage du web sémantique

L’intelligence artificielle (IA) moderne est un ensemble d’avancées majeures en mathématiques appliquées, statistiques et informatique. Elle apporte avec elle de nouvelles méthodes et outils qui impactent de façon croissante les pratiques professionnelles, et la société dans son ensemble.
Ce cours d'introduction à l'IA, spécifiquement conçu pour les étudiant·es en SHS, vise à les initier aux données relationnelles (à savoir des réseaux sociaux), pouvant être modélisées à travers des objets mathématiques : les graphes. Par données relationnelles, on entend ici toute donnée qui décrit des interactions entre individus, qu’elles soient de nature économique, affective, sociale, etc. L’analyse de réseaux se présente donc comme une discipline visant à détecter des rôles à l’intérieur du graphe : est-ce que certains individus ont un degré de centralité très élevé ? Est-ce qu’il y a des communautés d’individus ?  L’objectif de ce cours est de familiariser les étudiant·es avec les principales notions d’analyse de réseaux et d’apprentissage supervisé à partir de plusieurs réseaux. En plus de la partie théorique, qui toutefois sera pondérée pour un public d’étudiant·e.s en SHS, une partie du programme sera également dédiée à l'utilisation guidée des logiciels et langages de programmation (R ou Python) pour l'analyse des données.

La réussite à ce cours donnera droit à 3 ECTS.

Ce cours est dispensé par l’équipe EFELIA-3IA Côte d’Azur (École Française de l’Intelligence Artificielle) et s’inscrit dans la stratégie nationale pour l’IA.
Au niveau local, le projet est opéré par l'Institut 3IA Côte d'Azur.

• Partie théorique, portant sur les principales définitions et notions liées à l’analyse de données de réseaux.
• Partie applicative, logiciel (R et/ou Python) ou les données seront importées, analysées, visualisées et exportées.

Contrôle continu intégral (CCI)

• QCM
• Exposé

Les TD nécessitent d'avoir un compte Google.

• Tabassum, Shazia, et al. "Social network analysis: An overview." Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery 8.5 (2018): e1256.
• Mohammed Saqr et al. (2024). Social Network Analysis: A primer, a guide and a tutorial in R. In M. Saqr & S. López-Pernas (Eds.), Learning analytics methods and tutorials: A practical guide using R   (pp. 491-518) 
• Ángel Hernández-García et al. (2024). Community Detection in Learning Networks Using R. In M. Saqr & S. López-Pernas (Eds.), Learning analytics methods and tutorials: A practical guide using R   (pp. 519-540)
• Mohammed Saqr et al. Psychological Networks: A Modern Approach to Analysis of Learning and Complex Learning Processes. In M. Saqr & S. López-Pernas (Eds.), Learning analytics methods and tutorials: A practical guide using R.   (pp. 639-671)

• TUT'TOP : bénéficier du tutorat par les pairs sur le plan méthodologique, social, administratif ou logistique.
• écri+ : améliorer son français écrit.
• Centre de ressources en langues : développer ses compétences en langues vivantes (française ou étrangères).
• METODA : développer ses compétences en recherche documentaire.
• S'orienter / Se réorienter : être accompagné par les conseillers d'orientation et d'insertion professionnelle de l'université.
• Centre de santé et aide sociale : prendre soin de sa santé physique et mentale et se faire accompagner en cas de difficulté sociale.
• Cellule Handicap : découvrir les aides proposées pour les étudiant.es en situation de handicap.
• Plateforme de signalement : écoute et accompagnement des victimes ou témoins d’actes de violence, de harcèlement ou de discrimination (violences sexistes et sexuelles, LGBTphobies, racisme, xénophobie…).