Science des données avancées
ECTS : 4
Description du contenu de l'enseignement :
Objectifs
- Comprendre les concepts de bases en science des données
- Prendre connaissance de la variété des algorithmes et cas d’usage en science des données
- Se familiariser avec les outils de programmation en science des données
________________________________
Objectives
- Understand basic concepts of machine learning
- Know various algorithms and applications
- Get familiar with programming tools and libraries commonly used in data science (Python, Pandas, Numpy and Scikit Learn)
________________________________
Remise à niveau (optionnel) :12h
o Introduction à la programmation avec Python
o Introduction au machine learning: concepts de base, formulation et implémentation d’un problème d’apprentissage supervisé
Science des données (obligatoire): 21h
o Apprentissage supervisé
- Régression linéaire et ploynomiale
- K plus proches voisins pour la régression et la classification
- Arbres de décision et forêts aléatoires pour la classification
o Apprentissage profond
- Introduction aux réseaux de neurones
- Réseaux multi-couches et notions de backpropagation
- Implémentation avec Keras
o Apprentissage par renforcement
- Introduction à l’apprentissage par renforcement
- Applications et concepts de base
Catch-up sessions (optional): 12h
o Introduction to programming with Python
o Introduction to machine learning: basic concepts, formulation and implementation of supervised algorithms
Data science (mandatory): 21h
o Supervised learning
- Linear and polynomial regression
- k nearest neighbors for regression and classification
- Decision trees and random forests for classification
o Deep learning
- Introduction and base architecture
- Multilayer perceptron and backpropagation
- Implementing neural network using Keras
o Reinforcement learning