Code
IGFF MAT 5016
Niveau
M2
Graduate
Graduate
Semestre
Fall
Domaine
Mathématiques
Programme
Programme Ingénieur
Langue
Français/French
Crédits ECTS
4
Heures programmées
45
Charge de travail
90
Coordonnateur(s)
Département
- Communications, Images et Traitement de l'information
Equipe pédagogique
Organisation
Cours/TD/TP/projet/examen : 27/15/0/3/2Acquis d'apprentissage
A l'issue de ce cours, les étudiants devront être capables de:
- Distinguer les différentes méthodes de traitements statistiques des données massives;
- Expliquer les principes statistiques menant aux algorithmes de deep learning;
- Programmer dans un langage de leur choix des algorithmes de deep learning pour des problèmes de classification;
- Appréhender les différentes applications des graphes en grande dimension
Compétences CDIO
- 1.1.1 - Mathématiques (y compris statistiques)
- 3.2.3 - Communication écrite
- 3.2.5 - Communication graphique
Prérequis
Connaissances de base en probabilités et statistiques(cf MAT 3002 &MAT 4003 à télécom SudParis), et en traitement du signal(cf SIC 3501)
Mots-clés
big Data; Datascience; Deep learning; Réseaux de neurones; Détection de communautés
Evaluation
La validation de cette UV est basée sur un TP noté(TP)et sur un examen écrit (CF)
Pas de CF2
Formule de l'évaluation
Note finale =1/2(TP)+1/2(CF)
Bibliographie
Bibliographie :
- Y. Bengio, Learning Deep architectures for AI, Fundations and trends in Machine Learning, 2009
- T. Hastie, J. H. Friedman, R. Tibshirani, Elements of statistical learning, Springer 2001
- C. Robert and G. Casella, Monte Carlo statistical methods, Springer 2004