NFE205

Données multimédia et spatio-temporelles


6 crédits Marin FERECATU EPN05 - Informatique Unité d'enseignement de type mixte

Publié Du 01-09-2021 au 31-08-9999

Prérequis

Prérequis : M1 ou bac + 4 et NFE204 ou équivalent
Public : cycle d'ingénieur CNAM, Master M2

Objectifs pédagogiques

La gestion et l'exploitation des données multimédia et spatio-temporelles ont une grande importance dans des domaines aussi variés que l'audiovisuel, l'exploitation de données scientifiques, l'imagerie médicale, le tourisme, la planification urbaine, l'étude du climat, le marketing ou la sécurité.
Les données multimédia et spatio-temporelles sont souvent peu structurées et très volumineuses, la technologie relationnelle est insuffisante ou inadaptée pour leur gestion. De plus, des opérations de recherche de nature différente sont nécessaires afin d'accéder à l'information présente par ex. dans des contenus visuels (BD multimédia) ou vectoriels (BD spatiales).
L'objectif de cet enseignement est de faire comprendre les principes et les technologies actuelles de gestion et de recherche dans des données multimédia et spatio-temporelles. Les travaux pratiques doivent permettre une familiarisation avec une partie des techniques abordées dans le cours.

Compétences

Maîtrise des enjeux et défis pour les nouveaux marchés liés à la gestion de gros volumes de données non traditionnelles (notamment grandes bases de données multimédia : image, vidéo, son, capteurs), pour lesquels la technologie relationnelle est insuffisante.

Contenu

Thèmes abordés dans le cours et les travaux pratiques (TP) :

  • Spécificités des bases de données multimédia et des bases spatio-temporelles, domaines d'application.
  • Données image, audio et vidéo : description, traitement, stockage, structuration et outils disponibles
  • Données spécifiques : données médicales, satellite, aériennes, séries temporelles, anthropométriques (empreintes, iris, etc.), graphe
  • Bases de données spatiales et spatio-temporelles : modèle de données, structures d'index, produits du marché, applications.
  • Paradigmes et méthodes spécifiques de recherche d'information multimédia : recherche par le contenu, recherche multi-modale, méthodes par apprentissage
  • Passage à l'échelle de la recherche par similarité
  • Introduction à l'intelligence artificielle pour des données multimédia

Les TP permettent d'élargir, détailler et de mettre en œuvre certaines techniques vues en cours.

Modalités de validation

  • Projet(s)
  • Examen final

Description des modalités de validation

Examen terminal et projet.

Bibliographie

TitreAuteur(s)
Deep Learning in Mining of Visual Content, 2020Akka Zemari, Jenny Benois-Pineau
Multidimensional Signal, Image, and Video Processing and Coding, 2011John W. Woods
Introduction au Machine Learning, 2019Chloé-Agathe Azencott
Geographic Information Systems and Science, 2010Paul A. Longley et al.

Thésaurus du Cnam :

  • Système d'information géographique
  • Intelligence artificielle
  • Multimédia
  • média numériques
  • Base de données
  • Moteur de recherche
  • Algorithme d'apprentissage
  • Vidéo
  • Son
  • Image

Thésaurus Formacode :

  • 46382 - documentation audiovisuelle et multimédia
  • 72654 - logiciel système information géographique

Secrétariat

Libellé
EPN05 - Informatique
Nom du contact
Florian Gau
Adresses email
florian.gau@lecnam.net
Numéros de téléphone
01 40 27 22 64
Adresse postale
292 rue saint Martin 33.1.13B
Paris 75003

Personnes impliquées nationalement

  • Michel CRUCIANU
  • Cédric DU MOUZA