v2.11.0 (5553)

Enseignement scientifique & technique - IA317 : Machine learning in high dimension

Domaine > Informatique.

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

38.5 heures de travail personnel estimé pour l’étudiant.

Diplôme(s) concerné(s)

Parcours de rattachement

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

  • Probability & statistics
  • Linear algebra 
  • Python programming

Pour les étudiants du diplôme Data & Artificial Intelligence

  • Probability & statistics
  • Linear algebra 
  • Python programming

Pour les étudiants du diplôme Diplôme d'ingénieur

  • Probability & statistics
  • Linear algebra 
  • Python programming

Pour les étudiants du diplôme Echange international non diplomant

  • Probability & statistics
  • Linear algebra 
  • Python programming

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Data & Artificial Intelligence

Vos modalités d'acquisition :

Quiz

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

Vos modalités d'acquisition :

Quiz

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

Vos modalités d'acquisition :

Quiz

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 :

Quiz

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.

Programme détaillé

  1. Nearest neighbors
  2. Locally sensitive hashing
  3. Dimensionality reduction
  4. Ensemble methods
  5. Naive Bayes
  6. Anomaly detection
  7. Sparse regression

Mots clés

Learning, sparse data, high dimension

Méthodes pédagogiques

Lecture + lab
Veuillez patienter