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

  • Communications, Images et Traitement de l'information
  • Electronique et Physique

Organisation

Cours/TD/TP/projet/examen : 16,5/0/0/12/1.5

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 et non-supervisées ainsi que leurs contextes d'application.
- mettre en oeuvre 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 - 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

Thèmes abordés:
- Sous-apprentissage, sur-apprentissage, validation ;
- Réseaux de neurones ;
- Méthodes de regroupement
- Forêts aléatoires
- Vers d'autres modèles

Evaluation

Note finale = 1/3 [2x(Note moyenne des projets) + CF]

Formule de l'évaluation

Ce module sera constitué de cours magistraux et de séances de projets.
Vous serez évalués sur la base de votre travail en projets et un examen final.

Fiche mise à jour le 09/01/2020