v2.2.7 (2170)

Enseignement scientifique & technique - MDI341 : Machine learning avancé

Domaine > Mathématiques.

Descriptif

Cette UE vise à explorer les techniques récentes permettant d’étendre les méthodes de type « machine-learning » dans le cadre où les données et la puissance de calcul ne sont pas centralisées, mais distribuées selon un réseau, dont les éléments communiquent en suivant un certain nombre de contraintes (e.g. échanges limités entre les machines formant le réseau, temps de calcul pour l’apprentissage et/ou la prédiction). Dans ce contexte (e.g. MapReduce), les données sont généralement acquises de façon séquentielle et hétérogène, ce qui constitue un autre aspect auquel les algorithmes utilisés en pratique doivent être adaptés. Cette UE vise à explorer les techniques récentes permettant d’étendre les méthodes de type « machine-learning » dans le cadre où les données et la puissance de calcul ne sont pas centralisées, mais distribuées selon un réseau, dont les éléments communiquent en suivant un certain nombre de contraintes (e.g. échanges limités entre les machines formant le réseau, temps de calcul pour l’apprentissage et/ou la prédiction). Dans ce contexte (e.g. MapReduce), les données sont généralement acquises de façon séquentielle et hétérogène, ce qui constitue un autre aspect auquel les algorithmes utilisés en pratique doivent être adaptés.

nombre d'heure en présentiel

40

nombre de blocs

40

Diplôme(s) concerné(s)

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Big Data : gestion et analyse des données massives

Vos modalités d'acquisition :

Rentre dans la moyenne de la période

Le rattrapage est autorisé (Max entre les deux notes)
  • le rattrapage est obligatoire si :
    Note initiale < 6
  • le rattrapage peut être demandé par l'étudiant si :
    6 ≤ note initiale < 10
L'UE est acquise si Note finale >= 10

    Le coefficient de l'UE est : 3

    La note obtenue rentre dans le calcul de votre GPA.

    Programme détaillé

    • Optimisation et Apprentissage Statistique Distribué • Ranking, systèmes de recommandation et moteurs de recherche • Analyse des réseaux sociaux, graph-mining • Apprentissage on-line, par renforcement

    Méthodes pédagogiques

    Projet et soutenance
    Veuillez patienter