Fondamentaux en machine learning

Ce cours initie les étudiants aux techniques fondamentales du Machine Learning, appliquées aux problématiques des sciences sociales.

L'objectif de ce cours est de comprendre les fondements du Machine Learning et d'acquérir une méthodologie rigoureuse pour concevoir, optimiser et évaluer des modèles prédictifs, en tenant compte des spécificités des données.

Modalités : CC
SESSION 1 :
Contrôle Continu
• Type : Écrit, Oral, Dossier
• Durée : 2h00

Régime Dérogatoire
• Type : Écrit, Oral, Dossier
• Durée : 2h00

SESSION 2 :
• Type : Écrit, Oral, Dossier
• Durée : 2h00

Utilisation de l'intelligence artificielle : 
Dans le cadre de cet EC, l’usage de l’IA pour aider à la réalisation des travaux de contrôle continu soumis à évaluation est interdit. Vous n’avez pas le droit de faire appel à une IA générative à des fins de documentation, recherche d’idées, construction, rédaction ou édition (hors usages de recherche web augmentée, de correction orthographique et syntaxique).

• Savoir mesurer la qualité d'un modèle à l'aide des métriques de performance adaptées.
• Être capable de calibrer les hyperparamètres d'un modèle.
• Mettre en œuvre des méthodes de rééchantillonnage pour améliorer les performances des modèles (validation croisée, bagging, boosting).
• Mobiliser les modèles classiques (k-plus proches voisins, régression logistique, random forest) comme outils d'aide à la décision en sciences sociales, en les mettant en œuvre avec R ou Python.