Apprentissage, classification automatique, data mining

Catalogue des cours de Télécom SudParis

Code

IGFF MAT 4102

Niveau

M2

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 : 16,5/0/12/1.5

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, non-supervisées et par renforcement, ainsi que leurs contextes d'application.
- mettre en oeuvre quelques méthodes d'apprentissage supervisées et non-supervisées sur des jeux de données réels.
- mettre en pratique des méthodes de base en apprentissage par renforcement.
- être capables de modéliser un problème de classification réel et complexe par un modèle d'apprentissage statistique approprié.

Compétences CDIO

  • 1.1.1 - Mathematics (including statistics)
  • 2.1.1 - Problem Identification and Formulation
  • 2.1.2 - Modeling

Prérequis

- Probabilités et Statistiques, Algèbre linéaire, Programmation

Mots-clés

- Apprentissage, Classification, Réseaux de neurones, Modèles de Markov

Contenu

Apprentissage statistique;
- sous-apprentissage, sur-apprentissage, validation ;
- data mining;
- réseaux de neurones ;
- Séparateurs à Vaste Marge (SVM) ;
- Modèles de Markov ;
- Apprentissage par renforcement ;

Evaluation

Note finale = 1/3 [2x(Note moyenne de TPs) + CF]

Bibliographie

K. P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, Cambridge, MA, 2012.
- T. Hastie, R. Tibshirani and J. F., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition ed., S. S. i. Statistics, Ed., Springer, 2009.
- C. M. Bishop, Pattern Recognition and Machine Learning, Springer-Verlag New York, Inc., 2006.
- R. Duda, P. Hart and D. Stork, Pattern Classification, New York: John Wiley, 2001.
- Richard S. Sutton? Andrew G. Barton, Reinforcement Learning - An Introduction, A Bradford Book; 1St Edition edition (March 1, 1998)

Fiche mise à jour le 24/10/2019