Fiche Module
FISE
MRI
Maîtrise des Risques Industriels
Unité d'Enseignement :
Semestre : 7
Crédits ECTS : 10
EA: Systèmes avancés 1
Elément Constitutif :
Coefficient : 2
Machine Learning
EA: Systèmes avancés
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 : 1
| Enseignant | Type |
|---|---|
| Hafiane Adel | Responsable |
L’objectif consiste à introduire les concepts théoriques et techniques de l’analyse de données par l’apprentissage automatique et savoir les appliquer sur des données réelles. Appréhender certains mécanismes de base visant à reproduire par un système des aptitudes dites « intelligentes ». La mise en œuvre des techniques de l'apprentissage automatique avec le langage Python.
Pré-requis :
| UE | Semestre | Module |
|---|---|---|
| Mathématiques et Informatique 5 | 5 | Algorithmique et Programmation |
| Mathématiques et Informatique 5 | 5 | Statistiques et processus aléatoires |
| Mathématiques et Informatique 6 | 6 | Optimisation linéaire |
Examen Final et mini-projet
- Introduction au Machine Learning, Azencott Chloé-Agathe, Dunod 2019.
- Data Science : fondamentaux et études de cas : Machine Learning avec Python et R, Lutz Michel, Biernat Eric, Eyrolles 2015.
Compétences :
| Ref. | Verbe | Description | Niveau |
|---|---|---|---|
| C1_1 | identifier | les concepts de bases d'analyse de données | 1 |
| C3_1 | concevoir | des méthodes appropriées pour un problème donné | 2 |
| C3_2 | choisir | les méthodes pour une mis en oeuvre d'une application | 2 |