Objectifs pédagogiques
- Connaître les principaux outils et techniques de traitement massif des données
- Manipuler et traiter des données de très grande dimension
effectifs minimal / maximal:
8/25Diplôme(s) concerné(s)
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Smart Mobility - Transformation Numérique des Systèmes de Mobilité
Vos modalités d'acquisition :
Conformément au règlement scolaire (art.3.3.2 page 6) : "Si l'étudiant obtient une note de BE inférieure à 10, il peut passer un examen de rattrapage pour toute ue de ce BE pour laquelle il a obtenu une note inférieure à 10".
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 3 ECTS
Programme détaillé
-Algorithmes de stockage distribué, calcul distribué
- Machine learning distribué, graph-mining (analyse des réseaux sociaux)
- Apprentissage statistique, nomenclature des problèmes, apprentissage supervisé et non supervisé, modèle de Markov Caché, modèles graphiques, réseaux bayésiens
- Deep learning : réseaux de neurones profonds, convolutionnels, machine de Boltzmann profonde
- Exemples d’applications : reconnaissance de scènes, reconnaissance de la voix, maintenance prédictive, apprentissage de la conduite autonome
