v2.11.0 (5776)

Enseignement scientifique & technique - SD-TSIA210 : Machine Learning

Domaine > Mathématiques.

Descriptif

Cours en anglais
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:
  • Contrôle de connaissance : 1.5
  • Travaux Pratiques : 9
  • Leçon : 12

38.5 heures de travail personnel estimé pour l’étudiant.

Diplôme(s) concerné(s)

Parcours de rattachement

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 électives acquis : 2.5

La note obtenue rentre dans le calcul de votre GPA.

Pour les étudiants du diplôme Echange international non diplomant

La note obtenue rentre dans le calcul de votre GPA.

Programme détaillé

 

Veuillez patienter