Descriptif
L'objectif du cours est d'exposer les principaux modèles markoviens avec applications en traitements bayésiens (segmentation, filtrage, lissage, prédiction, ...) des données. On traitera en particulier certains développements récents des modèles de Markov cachés et traitements généraux, de type de traitement particulaires, correspondants. L'accent sera mis sur les méthodes classiques d'estimation des paramètres aboutissant à des traitements non supervisés. On présentera différents exemples d'applications dans les domaines de traitement d'images, de poursuite, finances, ou encore codage et communications numériques.
Diplôme(s) concerné(s)
- Programme de mobilité des établissements français partenaires
- Echange international non diplomant
- Master M2 - Data & Artificial Intelligence
- Diplôme d'ingénieur
- Master M1 - Interaction, Graphic & Design
- Master M1 - Data and Artificial Intelligence
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Echange international non diplomant
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 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 ECTS
- Crédit d'Option 3A acquis : 2
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Master M2 - Interaction, Graphic & Design
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2.5 ECTS
Pour les étudiants du diplôme Master M2 - 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 Programme de mobilité des établissements français partenaires
L'UE est acquise si Note finale >= 10- Crédits ECTS acquis : 2 ECTS
La note obtenue rentre dans le calcul de votre GPA.