Spring School

 

The First Spring School on Data processing,is open to any interested person (academic or industrial), it is primarily intended for PhD students or researchers at the beginning of their career, and aims to present a summary as well as the most recent advances in a topic of current research.

The School includes trainings in data processing, image processing and parallel computing.


Course Outline:

  • Fundamental of Images Processing
  • Acquiring and processing Images
  • Intensity transformation and mathematical Techniques
  • Filtering Images
  • Image Restoration and Reconstruction
  • Image Segmentation
Practical and application and case studies :
  • Importing and exporting images
  • Analyzing images interactively
  • Removing noise
  • Aligning images and creating a panoramic scene
  • Detecting edges, lines, and circles in an image
  • Segmenting objects based on their color and texture
  • Modifying objects' shape using morphological operations
  • Measuring shape properties
  • Performing batch analysis over sets of images
Course Animated By Pr AIT KBIR M'hamed FSTT, UAE, Morocco E-mail:aitkbir@hotmail.com
Présentation:
Le Data Mining est l’extraction d’information d’intérêt (non triviale, implicite, inconnue à priori et potentiellement utile) à partir de données stockées dans de large entrepôts de données, en utilisant des procédures automatiques ou semi-automatiques pour une prise de décision. Cette formation, vous propose une synthèse sur le Data Mining, les méthodes et outils les plus utilisés, ses applications et ses apports pour l’entreprise

Objectifs pédagogiques

Comprendre les principes et la finalité du Data Mining (DM)
Identifier les principales techniques du DM et leur cas d'utilisation
Mettre en œuvre sur un cas simple les méthodes de scoring et de géomarketing
Découvrir les méthodes prédictives et les méthodes descriptives du DM
Connaître les principales étapes d'un projet Data Mining

Programme

Le Système d'Information Décisionnel (SID)
·             Les enjeux du SID : besoins, domaines d'application.
·             Conception d'un SID.
Comprendre le Data Mining (DM)
·             Définition et finalité du Data Mining (DM).
·             L’impact du Data Mining sur l’entreprise.
·             Domaines d’applications
Les techniques du Data Mining
·             Les différentes familles de techniques du DM.
·             Les méthodes prédictives et les méthodes descriptives.
La méthode descriptive du Clustering
·             Définition et méthodologie.
·             Les différentes sous-familles du Clustering.
·             Exemple : Présentation d’applications du Clustering
Exemples d'application du DM
·             Le scoring : définition, finalité, méthodologie. (Outil R)
·             Le géomarketing : définition, finalité, méthodologie. (Outil R)
Méthodologie de projet Data Mining
Processus de découverte de la connaissance (KDD : Knowledge Discovery in Databases).
Formation Animée Par Pr ELHADDADI Anass ENSAH, UMP, Maroc E-mail:anass.elhaddadi@gmail.com
Introduction to Parallel Computing
Concepts and Terminology
Parallel Computer Memory Architectures
Parallel Programming Models
Designing Parallel Programs
Message Passing Interface (MPI)
Performance Analysis of MPI programs
Parallel Debugging
Parallel Examples
Course Animated By Pr EL AMRANI Chaker FSTT, UAE, Morocco E-mail:celamrani@gmail.com
<
IMPORTANT DATES
Paper Submission Due February 18, 2018
Acceptance Notification March 18, 2018
Camera-ready Papers Due April 1, 2018
Author Registration Due April 8, 2018
Conference Dates April 27-28, 2018