FORMATIONS |
Fiche détaillée d'un cours
Niveau | Année de formation | Période | Langue d'enseignement |
---|---|---|---|
S2 | FrFrançais |
Professeur(s) responsable(s) | CHARLES YAACOUB |
---|---|
Intervenant(s) | Pas d'autre intervenant |
- Ce cours apparaît dans les formations suivantes :
- Ecole Du Numérique (EDN) - Master 1 Data & Intelligence Artificielle - S2 - 2 ECTS
Pré requis
Connaissances de base en programmation en python et connaissances mathématiques (algèbre, probabilité et statistique)
Objectifs du cours
Comprendre et mettre en œuvre les différentes approches d’apprentissage automatique.
Utiliser les bibliothèques Python pour l’apprentissage automatique.
Résoudre des cas pratiques à l'aide de diverses techniques d’apprentissage automatique.
Contenu du cours
Introduction à l’apprentissage automatique
- Cycle de vie des données
- Machine Learning VS Data Science
- Applications
Rappel Python, Jupyter Notebook, Google Colab
Apprentissage Supervisé et Non Supervisé
- Données et étiquetage
- Transformation et Regroupement (clustering)
- Modèles d’apprentissage non supervisé
- Classification et Régression
- Modèles d’apprentissage supervisé
- Entrainement et test
- Métriques d’évaluation, matrice de confusion
Etudes de cas
Ouverture :
- Notions sur les réseaux neuronaux et l’apprentissage profond
- Notions sur l’apprentissage par renforcement
Modalités d'enseignement
Organisation du cours
Cours de 25H
Méthodes pédagogiques
Évaluation
Contrôle continu : coeff. 1
Bibliographie
Introduction au Machine Learning. Chloé-Agathe Azencott, Dunod, 2019
* Informations non contractuelles et pouvant être soumises à modification