Module Sheet

FISE

STI

Sécurité et Technologies Informatiques

Unité d'Enseignement :

Semestre : 8
Crédits ECTS : 6

EA Big Data et IA

Code UE : S08T_BDA1

Elément Constitutif :

Coefficient : 1

Introduction au machine learning

Code EC :

EA Big Data et IA

L'UE EA Big Data et IA : 4

Deep learning et applications
Introduction au machine learning
Protection des données & respect de la vie privée
Traitement de données NoSQL

Volume horaire : 21:20

Type	Nombre	Durée
Cours	8	01:20
TD	8	01:20

Evaluations : 1

Type	Coefficient
Examen Final	0.7
Projet	0.3

Enseignants : 2

Enseignant	Type
Hafiane Adel	Responsable
Hafiane Adel	Intervenant

Celene Link :

Lien vers ce module sur celene

Learning Objectives :

Approfondir les connaissances en intelligence artificielle. Appréhender les notions théoriques et pratiques de l’apprentissage artificiel pour les données massives, afin maitriser les nouveaux principes et technologies de l’intelligence artificielle.

Pré-requis :

UE	Semestre	Module
Principes de la programmation	5	Algorithmique et Complexité
Initiation Système et Réseau	5	Programmation Python

Additional Prerequisites :

Connaissance de base de l'algèbre linéaire et des proba/stat

Program :

Régression/classification linéaire et non linéaire
Raisonnement probabiliste
Réseaux de neurones artificiels
Apprentissage profond : réseaux convolutifs, réseaux récurrents,...
Apprentissage par renforcement
Réduction de la dimensionnalité des données
Apprentissage non supervisé clustering
Applications cas réels

Evaluation Methods :

Examen Final et mini-projet

Bibliographic References :

Azencott Chloé-Agathe, "Introduction au Machine Learning", édition Dunod.
A. Cornuéjol, L. Miclet and V. Barra, "Apprentissage artificiel", édition Eyrolles
Stuart Russell et Peter Norvig, "Intelligence artificielle", édition Pearson Eduction.
Ian Goodfellow, Yoshua Bengio et Aaron Courville,"Deep learning", édition MIT

Compétences :

Ref.	Verbe	Description	Niveau
C1_2	décrire	et formaliser les informations en utilisant les probabilités	2
C1_2	analyser	les résultats d'un algorithme de machine learning	2
C1_4	concevoir	concevoir des solutions aux problèmes pratiques des stratégies introduites pendant le cours	2
C2_1	identifier	processus d'apprentissage le plus approprié pour résoudre un problème donné	2
C2_2	reconnaître	les principes et techniques du machines learning	3