FR
EN
Introduction au machine learningEA Big Data et IA (STI)
Introduction au machine learning
Unité d'enseignement EA Big Data et IA · S08T_BDA1 | Code EC S08A_BD1-1
6ECTS (UE)
1Coefficient
21:20Heures
Séquencement
Objectifs pédagogiques
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
| Module | Unité d'enseignement | Semestre |
|---|---|---|
| Algorithmique et Complexité | Principes de la programmation | S5 |
| Programmation Python | Initiation Système et Réseau | S5 |
Connaissance de base de l'algèbre linéaire et des proba/stat
Programme
- 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
Modalités d'évaluation
Examen Final et mini-projet
Références bibliographiques
- 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
5| Réf. | 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 |