Apprentissage automatique et réseaux de neurones 2

Ce cours porte sur l'utilisation de modèles de réseaux de neurones artificiels en TAL, de leurs applications et de leurs implémentations. Il comprend une partie pratique d'application concrète ainsi qu'une partie théorique formelle qui vise à rendre autonome pour l'étude et l'utilisation de méthodes au-delà de celles vues en cours.

Les algorithmes statistiques dits « réseaux de neurones » sont omniprésents en TAL. L'objectif de ce cours est de donner de solide bases théoriques pour comprendre et utiliser ces algorithmes à bon escient, et de s'entraîner à leur implémentation.

M3C en deux sessions
• RÉGIME STANDARD session 1: CC 100% Contrôle continu: 2 notes au moins.
• RÉGIME DÉROGATOIRE session 1: CT 100% Contrôle Terminal: 1 note, évaluation Ecrite 2h.
• REGIME STANDARD Session 2 (dite de 2nd chance): CT 100% Contrôle Terminal: 1 note, évaluation Ecrite 2h.

Dans le cadre de cet EC, sauf autorisation expressément formulée par l'enseignant.e, l’usage de l’IA pour aider à la réalisation des travaux de contrôle continu soumis à évaluation est interdit. Les étudiant.e.s n’ont pas le droit de faire appel à une IA générative à des fins de documentation, recherche d’idées, construction, rédaction ou édition.

• Maîtriser le langage de programmation Python
• Maîtriser les bases de l'apprentissage automatique. Le niveau 1 de ce cours remplit ce pré-requis.

• Maîtriser les bases de l'algèbre linéaire et de l'analyse réelle. Les cours de M1 « Mathématiques pour le TAL » 1 et 2 remplissent ce pré-requis

• Savoir utiliser des modèles de réseaux de neurones artificiels pour résoudre des problèmes concrets
• Être capable de déterminer les algorithmes de réseaux de neurones artificiels pertinents pour un problème donné
• Savoir formuler une description formelle des modèles de réseaux de neurones artificiels
• Être capable de mener à bien un projet de TAL complet impliquant le développement et l'utilisation de modèles de réseaux de neurones artificiels