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

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.

Contenu

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

Prérequis

- Probabilités et Statistiques, Algèbre linéaire, Programmation

Mots-clés

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

Evaluation

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

Compétences CDIO

Compétences principales

  • 1.1.1 - Mathématiques (y compris statistiques)
  • 2.1.1 - Apprendre à poser et formuler les problèmes
  • 2.1.2 - Modélisation
Fiche mise à jour le 28/08/2018