Descriptif
This course is on machine learning in high dimension (nearest neighbor methods, locally sensitive hashing, dimension reduction, ensemble methods, naive bayes, anomaly detection, sparse regression).
24 heures en présentiel (15 blocs ou créneaux)
réparties en:
- Contrôle de connaissance : 1.5
- Leçon : 22
Diplôme(s) concerné(s)
- Echange international non diplomant
- Programme de mobilité des établissements français partenaires
- Diplôme d'ingénieur
- Data & Artificial Intelligence
- Interaction, Graphic & Design
- High Performance Data Analytics M2
Parcours de rattachement
Pour les étudiants du diplôme Data & Artificial Intelligence
- Probability & statistics
- Linear algebra
- Python programming
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme High Performance Data Analytics M2
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 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
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
- Crédit d'Option 3A acquis : 2.5
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Data & Artificial Intelligence
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 Interaction, Graphic & Design
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Programme détaillé
- Nearest neighbors
- Locally sensitive hashing
- Dimensionality reduction
- Ensemble methods
- Naive Bayes
- Anomaly detection
- Sparse regression