FormationsMasterInformatiqueEnseignementsIntroduction à l'apprentissage automatique

Master InformatiqueUE Introduction à l'apprentissage automatique

Contenu

Ce module constitue une introduction à l’apprentissage automatique (Machine Learning). Son contenu est structuré en 5 chapitres :

  • Introduction aux concepts de bases : formalisme statistique pour l'apprentissage supervisé (classification et régression), l'apprentissage non supervisé et l'estimation de densité
  • Arbres de décision et sélection de modèles par validation croisée.
  • Régression linéaire (une variable), méthode des moindres carrés, sélection de variables. Pointeurs vers les modèles linéaires généralisés et la parcimonie.
  • Algorithme du perceptron, perceptron à noyau. Pointeurs vers les réseaux de neurones et les séparateurs à vaste marge (SVM).
  • Réseaux de neurones. Pointeurs vers le deep learning.

Langue utilisée

Langue principale utilisée par cet enseignement : Français.

Pré-requis obligatoires

Aucun prérequis en statistiques ni en Python n’est nécessaire.

Modalités d'organisation

L'enseignement se déroule sur 10 semaines et alterne des séances de cours-TDs (3h00) et des séances de TPs (3h00). Chaque TP est constitué d’un mini-projet à réaliser sour ScikitLearn, plate-forme pour l’apprentissage automatique écrite en Python.

Volume des enseignements

  • Cours magistraux : 10 heures
  • Travaux dirigés : 10 heures
  • Travaux pratiques : 10 heures

LES FORMATIONS QUI UTILISENT CET ENSEIGNEMENT