Apprentissage automatique

Ce cours présentera toutes les étapes nécessaires à un projet d’apprentissage automatique : depuis la récole du corpus jusqu’à l’évaluation des résultats. Chaque étape sera l’occasion d’exercices de programmation à partir de données réelles. Différents modèles d’apprentissage automatique seront introduits puis développés : supervisés, semi-supervisés et non supervisés. L’objectif de cet enseignement est de vous donner les outils techniques et théoriques afin de mener à bien un projet d’apprentissage automatique dans une démarche critique quant à ces derniers.

Donner les outils techniques et théoriques afin de mener à bien un projet d’apprentissage automatique dans une démarche critique quant à ces derniers.

M3C en 2 sessions

• Régime standard session 1 – avec évaluation terminale (1 seule note) : Un projet par groupe

• Régime dérogatoire session 1 : Un projet par groupe                                                                                                                                                               

• Session 2 dite de rattrapage : Un projet par groupe

Apprendre à utiliser différents modèles d’apprentissage automatique (supervisés, semi-supervisés et non supervisés)

GOODFELLOW, Ian, BENGIO, Yoshua, et COURVILLE, Aaron. Deep learning. MIT press, 2016.

TELLIER, I. Introduction à la fouille de textes. Université de Paris.