v2.11.0 (5449)

Enseignement scientifique & technique - SI221-A : Bases de l'apprentissage : approche algorithmique

Domaine > Image-Données-Signal.

Descriptif

Ce cours est recommandé aux élèves suivant la filière IMA ou IGR

A l'’issue de cette formation, les étudiants auront des connaissances utiles pour aborder les filières Images, Signal, Interaction homme-machine et Systèmes embarqués, ainsi que des applications liées par exemple à l’'indexation ou au dialogue homme-machine.
L'objectif de cette formation est d'enseigner les méthodes de base de classification pour la reconnaissance des formes et la fouille de données. Ces méthodes seront illustrées sur des cas concrets,  issus notamment des domaines de l'imagerie satellitaire, de la reconnaissance de l'écriture et de la reconnaissance de la langue.
Une part importante de l'enseignement est consacrée à des séances de travaux pratiques sous matlab.

24 heures en présentiel
réparties en:
  • Contrôle de connaissance : 1.5
  • Leçon : 9
  • Travaux Dirigés : 1.5
  • Travaux Pratiques : 12

effectifs minimal / maximal:

/35

Diplôme(s) concerné(s)

Parcours de rattachement

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Echange international non diplomant

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Programme de mobilité des établissements français partenaires

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Diplôme d'ingénieur

Vos modalités d'acquisition :

TP notés et examen final

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2.5 ECTS
  • Crédit d'UE partagées acquis : 2.5

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Information processing: machine learning, communications and security

L'UE est acquise si Note finale >=

    La note obtenue rentre dans le calcul de votre GPA.

    Programme détaillé


    Classification supervisée et non supervisée. Décision Bayesienne. Courbes ROC. Méthodes neuronales. Séparation linéaire. Introduction aux SVMs. K plus proches voisins. Introduction aux modèles de Markov. ACP. K-moyennes. Arbres de décision.

    Veuillez patienter