v2.11.0 (5397)

Enseignement scientifique & technique - SD-TSIA210 (Cr D) : Machine Learning

Domaine > Mathématiques.

Descriptif

Cours en français non accessible aux étudiants inscrits dans les filières SD ou TSIA.

L’'apprentissage statistique s’'intéresse à l’'inférence de modèles pour la reconnaissance de formes, la prédiction et le diagnostic, dans un cadre probabiliste et statistique.
Dans ce cours, l’'étudiant apprendra
- d’'abord à poser un problème d’'apprentissage supervisé (classification et régression) en le formulant comme un problème d’'optimisation de critères statistiques,
- à développer un algorithme d’apprentissage approprié
- et à évaluer la fonction de classification ou de régression ainsi construite.
Les principaux modèles et algorithmes de l’'apprentissage supervisé tels que le perceptron, SVM/SVR, arbre, méthodes d’'ensemble) seront étudiés ainsi que quelques approches génératives. Une courte introduction à l'’apprentissage non supervisé sera également proposée.

24 heures en présentiel (16 blocs ou créneaux)
réparties en:
  • Leçon : 12
  • Contrôle de connaissance : 2
  • Travaux Pratiques : 9

38.5 heures de travail personnel estimé pour l’étudiant.

Diplôme(s) concerné(s)

Pour les étudiants du diplôme Diplôme d'ingénieur

SD204. Modèles linéaires, régularisation 

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Diplôme d'ingénieur

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 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.

Programme détaillé

 

Veuillez patienter