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 dapprentissage 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.
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 dapprentissage 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
Diplôme(s) concerné(s)
Pour les étudiants du diplôme Diplôme d'ingénieur
SD204. Modèles linéaires, régularisation
Format des notes
Numérique sur 20Littérale/grade européenPour 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
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé