Se connecter Anglais Français
Logo

Fiche Module

FISE

MRI

Maîtrise des Risques Industriels


Unité d'Enseignement :


Semestre : 7
Crédits ECTS : 10

EA: Systèmes avancés 1


Code UE : M07A_SAV1

Elément Constitutif :


Coefficient : 2

Machine Learning


Code EC :

EA: Systèmes avancés



L'UE EA: Systèmes avancés 1 : 7


Architecture des systèmes industriels, contrôle et commande
Ingénierie systèmes
Langage orienté objet: C++
Machine Learning
Plans d'expériences
Projet EA: Systèmes avancés
Signaux et systèmes


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


Lien vers ce module sur celene


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


  • Régression linéaire, non-linéaire et régularisation.
  • Classification linéaire
  • Classification Bayesienne
  • Réseaux de neurones
  • Analyse de la structure des données.
  • Apprentissage profond.

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