ECUE MASS: Recherche opérationnelle

Ce cours est une initiation à l’apprentissage automatique ou Machine Learning par la pratique. Il est basé sur l’utilisation des modules PyTorch (dérivé de Torch de Facebook ) et NEAT (Neuroevolution of augmenting topologies, voir [8]). Dautres alternatives, comme TensorFlow 1 de Google ou scikit-learn 2 existent. Ce cours est basé sur plusieurs sources dont : Tutorials Point[6, p. 1], le cours d’initiation Machine Learning [1, p. 1], une présentation de NEAT [5]. On pourra également consulter le cours de Stanford de Deep Learning Tutorial 3 bien conçu (pour les anglophones et amateurs de Matlab). Dans ce cours sont présentées les méthodes de base d’apprentissage automatique : Réseaux de neurones, méthode de gradient stochastique, propagation rétrograde, réseaux de convolution, neuroévolution. On apprendra notamment à estimer les prix d’un bien immobilier, identifier des chiffres calligraphiés, optimiser la structure (ou topologie) d’un réseau de neurone. Aucune connaissance particulière n’est nécessaire, même si des notions d’algèbre et d’analyse sont utiles pour la compréhension de certains détails. Chaque méthode est introduite à l’aide d’exemples classiques.