Cette séance de cours couvre les concepts de clustering et de détection de communauté. Le clustering consiste à trouver des ensembles de points proches les uns des autres dans une métrique de distance, tandis que la détection de communauté se concentre sur l’identification de nœuds hautement interconnectés dans un réseau. L'algorithme K-means est introduit pour le clustering, ainsi que son processus d'approximation itératif. La séance de cours passe ensuite à des modèles de mélange gaussien (GMM) pour le clustering, expliquant lalgorithme EM pour GMM. La modularité est discutée comme une mesure de la force de la communauté, en mettant l'accent sur l'interprétation et le calcul de la modularité. La méthode Louvain pour la détection des communautés est présentée comme une approche ascendante pour construire une hiérarchie des communautés. La séance de cours se termine en soulignant les défis des techniques non supervisées et en fournissant des références pour une étude plus approfondie.