ECTS : 4
Volume horaire : 33
Description du contenu de l'enseignement :
Ce cours constitue une introduction à l’apprentissage artificiel. Nous ferons des rappels de statistiques élémentaires et y aborderons les algorithmes fondamentaux d’apprentissage supervisé et non supervisé.
1) apprentissage supervisé:
K-plus proches voisins,
Analyse discriminante linéaire et quadratique
méthode bayésienne naïve,
régression logistique
2) apprentissage non supervisé:
classification hiérarchique,
nuées dynamiques,
mixtures de gaussiennes
Compétence à acquérir :
Fondamentaux du Machine Learning (nécessaires pour l’étude des modèles plus récents), méthodologie pour l’application du Machine Learning sur des données réelles (baseline, validation, pré-traitement) et bases librairies ML de Python