ECTS : 4
Volume horaire : 34.5
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