Machine learning
ECTS : 3
Volume horaire : 18
Description du contenu de l'enseignement :
Présentation des principaux algorithmes de Machine Learning sans cacher les difficultés mathématiques abordable. L'accent est mis sur la pratique avec pour chaque séance 50% de cours et 50% de TP en Python.
La majorité des techniques classiques seront abordés avec une application dans le domaine de la finance, voire au-delà. Pour le programme :
Introduction au Machine Learning. Régression linéaire, variantes et régression logistique
Arbre et méthode d'ensemble
Boosting
Clustering
Réduction de dimension
Introduction aux modèles de langages
Le support du cours est augmenté de plusieurs sujets connexe pour approfondir les notions vues en cours.
Compétence à acquérir :
Connaissance des principaux algorithmes de Machine Learning
Développement d'une démarche complète et cohérente pour répondre à un problème Machine Learning
Maîtrise pratique de Python pour le Machine Learning
Bibliographie, lectures recommandées :
Machine Learning
Hands-on Machine Learning with Scikit-Learn, Aurélien Géron, O'Reilly
Culture générale
Weapons of Math Destruction, Cathy O'Neil, Crown Books
Quand la machine apprend, Yann Le Cun, Odile Jacob
De l'autre côté de la machine: Voyage d'une scientifique au pays des algorithmes, Aurélie Jean, Édition de l'observatoire