Code
IGSF MAT 4515
Niveau
M1
Graduate
Graduate
Semestre
Spring
Domaine
Mathématiques
Programme
Programme Ingénieur
Langue
Français/French
Crédits ECTS
4
Coordonnateur(s)
Département
- Communications, Images et Traitement de l'information
Equipe pédagogique
Organisation
Cours/TD/TP/projet/examen :Acquis d'apprentissage
Ce module rappelle les bases d'optimisation continue et aborde des éléments plus avancés. Les techniques présentées font partie des outils fondamentaux utilisés en IA et apprentissage. A l'issue de ce cours, l'étudiant devra:
- savoir reconnaître un problème d'optimisation convexe,
- savoir écrire un problème d'optimisation et écrire son dual,
- savoir écrire et utiliser les conditions d'optimalité,
- pouvoir choisir et programmer des algorithmes (gradient, Newton,...),
- pouvoir indiquer les conditions et garanties de convergence,
- savoir utiliser des algorithmes en machine learning/data-science
Compétences CDIO
- 1.1.1 - Mathématiques (y compris statistiques)
- 1.2 - Connaissance des principes fondamentaux d'ingénierie
- 1.3 - Connaissances avancées en ingénierie : méthodes et outils
- 2.1 - Raisonnement analytique et résolution de problèmes
Prérequis
Algèbre linéaire et analyse de base; programmation scientifique (Python ou langage équivalent, sur PC personnel)
Mots-clés
optimisation, algorithmes, machine learning, apprentissage
Evaluation
Le contrôle écrit se déroule sans documents ni dispositif électronique (calculatrice,...). Il pourra comporter des questions à choix multiples, des questions à réponse courtes et des exercices.
Note de contrôle écrit (20 points) (CF1). Il n'y a pas de CF2.