• ECTS

    3 crédits

  • Composante

    Sciences économiques, gestion, mathématiques et informatique

  • Volume horaire

    36h

  • Période de l'année

    Enseignement neuvième semestre

Description

Ce cours vise à approfondir les techniques de Machine Learning. Il aborde la notion de malédiction de la dimension, les techniques de rééchantillonnage et d'agrégation de modèle visant à améliorer l'apprentissage ainsi que l'apprentissage profond.

Compétences attendues :

  • Comprendre le dilemme biais/variance;
  • Comprendre les différences parmi les approches du machine learning;
  • Connaître les principaux algorithme d'optimisation.

Thématiques abordées :

  • Réduction de la dimension (PCA, ICA, régression ridge, lasso);
  • Algorithmes de rééchantillonnage : boosting, bootstrap, adaboost;
  • Arbres de décision, forêts aléatoires;
  • Réseaux de neurones, apprentissage profond, apprentissage par renforcement.
Lire plus

Objectifs

Savoir choisir une méthode d'apprentissage en fonction de l'architecture des données; savoir mettre en oeuvre la méthode choisie et évaluer ses performances, à travers des librairies R ou Python.

Lire plus

Évaluation

Contrôle continu comprenant, d'une part, la restitution d'un travail sur projet par rapport écrit et, d'autre part, une soutenance orale.

Lire plus

Heures d'enseignement

  • Approfondissements en machine learningCM18h
  • Approfondissements en machine learningTD18h