Apprentissage, classification automatique, data mining

Catalogue des cours de Télécom SudParis

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.