Big Data Tunisie

Bienvenue dans le réseau Big Data en Tunisie

Le Big Data / Data Science est une activité transdisciplinaire qui pour être menée de façon rigoureuse doit s’appuyer sur plusieurs compétences. Par ailleurs les écoles d'ingénieurs tunisiennes recèlent de grands spécialistes des statistiques (ESSAI), du traitement du signal (ENIT, SUPCOM), de l'informatique et du calcul distribué (ENSI, INSAT, EPT,ENIT), de la recherche opérationnelle (ENIT), de l'analyse numérique, du calcul stochastique, de l'optimisation (ENIT) ... etc ...

Toutes ces disciplines jouent un rôle important pour mener à bien une activité de qualité dans ce domaine. Par ailleurs, plusieurs entreprises qui ont mené plusieurs projets de data mining commencent à s'intéresser au Big Data / Data Science / Deep learning et ont montré un intérêt au montage d'un réseau qui pourrait constituer à terme un centre d'expertise en Tunisie.

Les membres de ce réseau pourraient épauler et soutenir les formations existantes en Tunisie, aider à les développer et former ses formateurs. Ses membres pourront s'associer au besoin pour monter des projets de financement d'activités R&D, co-encadrer des thèses de type CIFRE sur des sujets qui intéressent les entreprises et financés par ces dernières.

Les journées organisées à l'ENIT (30 septembre 2016), et à Beit El Hikma (28 octobre 2016), ont permis d’identifier plusieurs partenaires tunisiens pouvant constituer le premier noyau de ce réseau.

Le réseau Big Data se donnera pour objectif de promouvoir l'excellence en matière de recherche, d'éducation et de politiques. En mettant l'accent sur les interactions avec le secteur privé, notre réseau favorise la recherche et la R&D et appuie l'enseignement universitaire. Les domaines de recherche sont largement définis et peuvent être personnalisés en choisissant des domaines de spécialisation.

Notre objectif est de soutenir la recherche liée aux sciences des données avec les objectifs suivants:

• Partager les connaissances et les ressources pour créer des solutions pour faire progresser la technologie
• Créer davantage d'occasions pour les étudiants et les enseignants-chercheurs de travailler avec l'entreprise
• Accélérer le rythme de l'innovation et l'extension des technologies numériques avancées.

Entreprises tunisiennes (ou ayant une activité en Tunisie) annonçant sur leur site une activité big Data:

Wevioo
Business and decision
Planete Group international
EMC2
Datavora
ESI-Group / ESI-Tunisie
Web Radar
formafast

Entreprises tunisiennes (ou ayant une activité en Tunisie) intéressées par une activité Big data

Integration Objects
Predictix
Mass Analytics
Mdsoft
Groupe telnet

Entreprises étrangères contactées (ou partenaires *) dans le domaine du Big data

Optimal data science
Adagos
D4J
Nuboo
Cloud temple

Exemples d'entreprise Big Data (à l'international)

• palantir
• tinyclues
• datazoomr
• sqrrl
• datameer
• tamr
• wibidata
• hadapt
• domo
• continuuity

Formations en Tunisie:

Integer eu ante ornare amet commetus vestibulum blandit integer in curae ac faucibus integer non. Adipiscing cubilia elementum integer. Integer eu ante ornare amet commetus.

Site officiel Master Big Data Paris Dauphine - Tunis
Actualités: Master Big Data.
Master data Analytics and Business Intelligence - Med Tech, tunis.

A l'ENIT, les filières MINDS, GI, Informatique, assurent quelques modules permettant une introduction au Big Data.

Formations en France:

TELECOM ParisTech
MS Big Data : gestion et analyse des données massives – BGD

Master Paris 6

Master Paris Dauphine

ENSAI,
MSc in Big Data

Université de Reims Champagne-Ardenne
Master 2 Statistique pour l'évaluation et la Prospective

Université Lumière Lyon 2
Master Data Mining and Knowledge Management

Grenoble Ecole de Management / Grenoble INP-Ensimag
Mastère Spécialisé Big Data : Analyse, Management et Valorisatio

Articles, Blogs, Rapports, Interview, critiques

Deep Learning Conspirancy,  Jürgen Schmidhuber 

Article Gazette SMF : Les Mahématiques des Big data, E. Moulines, Ecole Polytechnique, France.

Les 8 grandes tendances du Big Data en 2016.

Le guide 2016 du Big Data en France.

Définition Marketing big Data

Comprendre le big data (lien ENSAI, france)

Rapport Mckinsey, Big Data, the next frontier for innovation

Article [The conversation.com] Big Data. l'enjeu majeur de l'enseignament au 21ème siècle 

Scientific data preservation

Université Paris 13 -  Data science or not data science

Université Paris 13 - Data science or not data science

Science et Avenir: La prochaine révolution numérique viendra t elle du deep learning.

Big Data - Le Magazine du cloud et du big data

Les mathématiques, nerf de la guerre des Big data  +  article dans les echos

Signal processing for Big data

7 keys to building a successful big data infrastructure

BDVA

Blog Pirmin Lemberger

Static & dynamical Machine Learning, the difference.

Génomique - Généthon - Deep learnig and big data - Big data analytics in genomics

Forêts aléatoire1 Forêts aléatoires2 Forêts aléatoires3 Apprentissage automatique Arbres de décision
Statistical Learning

Blog Business and Decision, Big Data

Formation Big Data à paris Dauphine (formation continue), Jamel Atif.

Le Big Data, un volet majeur d'innovation sur les données d'entreprise

Le Big data et ses 3V, un vaste océan d'opportunités
Jean Luc Rafaelli présente son livre "Big data et Machine Learning"

Tutoriels, formations, ouvrages (Big Data, Machine learning, Deep Learning, Neural network), SVM, Word2Vec

Tutoriel Big Data, Marco grobelnik  /  Vidéo 

Vidéos Big Data & Hadoop:  Vidéo 1   Vidéo 2    Vidéo 3

Neural Network and Deep Learning par Michael Nielsen
Réseaux de neurones artificiels

Tutorial Deep Learning

Rétropropagation du gradient (wikipédia)

Le perceptron multicouche et son algorithme deretropropagation des erreurs -  Marc Parizeau

10-algorithms-machine-learning-engineers

Vulgarisation du deep Learning

Deep Learning / Yann Le Cun, USI

Deep Learning / Yann Le Cun (collège de France)

Torch Librairie Deep learning en LuaJIT  Torch (wikipedia)

Tensor Flow, open library for scientific computation and Machine learning

Word2Vec

Machine à Vecteurs de support

Lecture notes on Machine learning, Stiftung Universitat Hildesheim

Machine learning, slides, Duke University, Indian Institute of Technology, Kanpur
Caltech courses, by Professor Yaser Abu-Mostafa on machine learning.
Publications, Tianbao Yang, University of Iowa

Réseaux récursifs:
les applications varient du champ de la classification, à la modélisation deq systèmes dynamiques, et même au contrôle de systèmes dynamiques.

Algorithme BPTT:
Méthode BPTT backpropagation through time
Méthode RTRL Real time reccurent Learning (article non disponible en pdf )
https://papers.nips.cc/paper/42-static-and-dynamic-error-propagation-networks-with-application-to-speech-coding.pdf
Réseaux récurrents pour la modélisation de systèmes dynamiques article 1 article 2.
Identification et le contrôle de systèmes dynamiques
Thèse de Doctorat Moez Baccouche, 2013.

Optimisation:
Optimisation, Stephen J. Wright, University of Wisconsin

Bases de données, benchmarks, .. :
Base de données gouvernementales françaises.
Kaggle

Matrices Aléatoires:
Définitions
Introduction aux M.A,
Introduction et applications,
Introduction.
cours J. Faraut

Groupe de travail LAMSIN:

• Brahim Trabelsi, ISAMM-LAMSIN. 15 Novembre 2016. "Quelques problèmes mathématiques qui se posent dans les Big data. Partie 1".
• Brahim Trabelsi, ISAMM-LAMSIN. 22 Novembre 2016. "Quelques problèmes mathématiques qui se posent dans les Big data. Partie 2".
• Nabil Gmati, ENIT-LAMSIN. 29 Novembre 2016. "Introduction aux réseaux de neuronnes et au deep Learning"
• Radhia Bessi, ENIT-LAMSIN. 13 Décembre 2016. "Machine et Vecteur de Support (SVM). Introduction"
  SVM1 - SVM2 - SVM3 - SVM4
• Saloua Toumi, INSAT-LAMSIN. 20 Décembre 2016. "Retropropagation"
• Saloua Toumi, INSAT-LAMSIN. 3 Janvier 2016. "Algorithme de Retropropagation. Gradient stochastique. Partie 2"
• Riadh Hasnaoui, Trustic, 10 Janvier 2017. "Présentation générale des algorithes de Deep Learning"
• Riadh Hasnaoui, Trustic, 24 Janvier 2017. "Présentation générale des algorithes de Deep Learning. Demos."
• Nabil Gmati, Enit-Lamsin, 31 Janvier 2017. "Réseaux de neuronnes convolutifs. Comparaison de fonctions coûts".
• Radhia Bessi, ENIT-LAMSIN, Mardi 7 février 2017 "Rappels théoriques, méthodes d'optimisation convexe, avec et sans contraintes. Partie 1".
• Radhia Bessi, ENIT-LAMSIN, Mardi 14 février 2017 "Rappels théoriques, méthodes d'optimisation convexe, avec et sans contraintes. Partie 2".
• Brahim Trabelsi, ENIT-LAMSIN, Mardi 21 février 2017 "Estimation de la trace, du conditionnement, du déterminant et du spectre de très grandes matrices".

Laboratory of BioInformatics, bioMathematics and bioStatistics (BIMS)

Dr. Alia Benkahla
Institute Pasteur of Tunis
Adresse: 13, place Pasteur BP 74 1002 - Tunis

• Slimane Ben Miled,
• Houssem Ben Khalfallah
• Mahmoud Abou Azzoum

Laboratoire de Modélisation Mathématique et Numérique dans les Sciences de l'Ingénieur (LAMSIN)

Prof. Mourad Bellassoued
Ecole Nationale d'Ingénieurs de Tunis (ENIT)
B.P. 37, 1002, Tunis - Le Belvédère.
Tél: 71 871 022

Equipe Deep Learning :
Amel Ben Abda, Radhia Bessi, Nabil Gmati, Lamia Jaafar Belaid, Salwa Toumi, Brahim Trabelsi, .

Optimisation et Analyse des Systèmes Industriels et de Service

Prof. Atidel Hadj Alouane
Ecole Nationale d'Ingénieurs de Tunis (ENIT)
B.P. 37, 1002, Tunis - Le Belvédère.

Laboratoire des Systèmes de Communications

Prof. Taoufik Laaguili.
Ecole Nationale d'Ingénieurs de Tunis (ENIT)
B.P. 37, 1002, Tunis - Le Belvédère.

Laboratoire LR-SITI (Laboratoire de Recherche Signal, Images et Technologies de l'Information), ENIT.

Pr. Hamid Lamiri.
Equipe : Big Data Analytics & Deep Learning.
Dr.-Eng. Minyar Sassi Hidri, LR-SITI
Dr. Sonia Alouane-Ksouri, LR-SITI
Dr.-Eng. Olfa Arfaoui, LR-SITI
Dr.-Eng. Marouneen Haj Ayech, LR-SITI
Dr.-Eng. Khaoula Zammel, LR-SITI
Dr. Aymen El Khadhi, LR6SITI
Melle. Rania Mkhinini Gahar, OASIS (ENIT)
Melle. Olfa Baouab, ISG Kairouen
Mr. Jelidi Mohamed, ISG Tunis

Contactez nous