Approches spatiales et temporelles des données

Code UE : USID06

  • Cours
  • 3 crédits

Responsable national

Ghislaine CHARTRON

Responsable opérationnel

Objectifs pédagogiques

Présenter les spécificités de l'information spatialisée, en se focalisant dans un premier temps sur les données massives issues de la néo-géographie (données géo-localisées  provenant des GPS, GSM, bornes wifi...) et de l'information géographique volontaire (citoyens capteurs, crowd-sourcing). Ces données sont extrêmement complexes à traiter, non seulement en termes purement méthodologiques (masse de données à traiter, complexité de la construction de modèles de données adaptés, problèmes d'inter-opérabilité avec les autres bases de données plus classiques, émanant notamment de l'Insee ou autres producteurs de données, prise en compte des aspects dynamiques des données...) mais aussi en termes sémantiques (accrochage de ces bases à des objets géographiques classiques, tels que des réseaux de communication, des villes, des quartiers, des régions..., objets eux mêmes difficiles à définir car spatio-temporels, c'est à dire évoluant au cours du temps, notamment sous l'action conjointe d'acteurs intervenant à différents niveaux d'échelles). L'accent sera mis dans un deuxième temps sur les concepts et démarches permettant d'appréhender, de représenter et d'analyser les données spatio-temporelles dans leur ensemble.

Compétences visées

- Formaliser des réponses en adéquation avec les enjeux, l’environnement et les référentiels métier afin de produire un livrable professionnel (cahier des charges, spécification, fichier de données, etc.)
- Réconcilier les données en regroupant des jeux de données issus de différents sources et supports (BDD, Capteurs, etc.)
- Traiter les données soit  :
a. Exploiter les données dans une démarche analytique et business intelligence (BI) : analyse statistiques (stat descriptive, inférentielle) afin d’affirmer ou infirmer des hypothèses/stratégies en lien avec les problématiques métiers (SAS, Excel, logiciel R, etc.)
b. Exploiter les données dans une démarche exploratoire (logiciel R, Python):
- analyser à l’aide des techniques de Datamining (fouille de données, analyse spatiales et temporelle, analyse réseau, cartographie) afin de faire émerger de nouvelles connaissance ou de nouveaux usages
- sélectionner et utiliser ou éventuellement implémenter des algorithmes de traitements des données à l’aide des méthodes d’apprentissage automatique (machine Learning, Deep Learning, Réseaux de neurones)

Contenu

- Information territoriale et matrices d'information géographique
- Traitement/représentation des bases de données spatialisées : des SIG aux données massives
- Données massives et objets géographiques : enjeux sémantiques et computationnels
- Questions d'échelle dans la construction des objets géographiques et leur suivi dans le temps
- Apports d'une démarche ontologique pour construire et modéliser des objets géographiques
- Modéliser les dynamiques des objets spatio-temporels

Modalité d'évaluation

Réalisation technique d'une simulation spatiale développée en groupe (3 personnes) accompagnée d'un document explicatif (8/10 pages) contenant la description des traitements réalisés, des cartes et leurs commentaires, les codes sources  (R/Python).

Cette UE apparaît dans les diplômes et certificats suivants

Chargement du résultat...
Patientez
Type
Intitulé
Equipe pédagogique
Modalité(s) / Lieu(x)
Code
Equipe pédagogique Stratégies
Modalité(s) / Lieu(x)
Type Intitulé Equipe pédagogique Modalité(s) / Lieu(x) Code

Contact

EPN15 -INTD
2 rue Conté 33.1.16
75003 Paris
Tel :01 40 27 26 93
Sylvie Denis

Voir les dates et horaires, les lieux d'enseignement et les modes d'inscription sur les sites internet des centres régionaux qui proposent cette formation

Enseignement non programmé cette année