Code
IGFF MAT 4102
Niveau
M1
Graduate
Graduate
Semestre
Fall
Domaine
Mathématiques
Programme
Programme Ingénieur
Langue
Français/French
Crédits ECTS
3
Heures programmées
30
Charge de travail
75
Coordonnateur(s)
Département
- Electronique et Physique
Organisation
Cours/TD/TP/projet/examen :Acquis d'apprentissage
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.
Compétences CDIO
- 1.1.1 - Mathématiques (y compris statistiques)
- 2.1.1 - Apprendre à poser et formuler les problèmes
- 2.1.2 - Modélisation
Prérequis
- Probabilités et Statistiques, Algèbre linéaire, Programmation
Mots-clés
- Apprentissage, Classification, Réseaux de neurones, Modèles de Markov
Contenu
Thèmes abordés:
- Sous-apprentissage, sur-apprentissage, validation
- Apprentissage non-supervisé
- Apprentissage supervisé
- Apprentissage d'ensembles
- Forêts aléatoires
- Réseaux de neurones
- Modèles d'apprentissage profond
Formule de l'évaluation
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.