Code
IGFF MAT 4102
Level
M1
Graduate
Graduate
Semester
Fall
Domain
Mathématiques
Program
Programme Ingénieur
Language
Français/French
ECTS Credits
3
Class hours
30
Workload
75
Program Manager(s)
Department
- Electronique et Physique
Organisation
Cours/TD/TP/projet/examen :Learning objectives
A l'issue de ce module, les étudiants de 2ème année devront:
- appréhender les bases des méthodes de classification et d'apprentissage statistiques.
- être capables de distinguer les méthodes d'apprentissage supervisées et non-supervisées ainsi que leurs contextes d'application.
- mettre en œuvre de quelques méthodes d'apprentissage supervisées et non-supervisées sur des jeux de données réels.
- être capables de modéliser un problème de classification réel et complexe par un modèle approprié.
CDIO Skills
- 1.1.1 - Mathematics (including statistics)
- 2.1.1 - Problem Identification and Formulation
- 2.1.2 - Modeling
Prerequisites
- Probabilités et Statistiques, Algèbre linéaire, Programmation
Keywords
- Apprentissage, Classification, Réseaux de neurones, Modèles de Markov
Content
Thèmes abordés:
- Sous-apprentissage, sur-apprentissage, validation
- Apprentissage non-supervisé
- Apprentissage supervisé
- Apprentissage d'ensembles
- Forêts aléatoires
- Réseaux de neurones
- Modèles d'apprentissage profond
Assessment formula
Ce module sera constitué de cours magistraux et plusieurs séances pratiques.
Vous serez évalués sur la base de votre travail global (assiduité, travail en séance, rapports) et un examen final.
Pas de CF2.