ECUE IA : Bases de l'apprentissage automatique

Code de l'ECUE : SLEI500

Ce cours appartient à UE IA: Apprentissage automatique (6 ECTS) qui contient 2 ECUE

Structure

PORTAIL SCIENCES ET TECHNOLOGIES

Domaine disciplinaire

Informatique , Mathématiques appliquées et applications des mathématiques

Lieu d'enseignement

Campus SophiaTech Les Lucioles

Niveau du cours

Licence 3

Semestre

Semestre impair

Langue

Anglais , Français

PRESENTATION

Ce cours offre une introduction complète aux concepts fondamentaux du Machine Learning. Les étudiants exploreront les différents paradigmes d'apprentissage : supervisé et non-supervisé. Le cours couvrira les techniques essentielles de régression et classification, les méthodes de clustering, ainsi que les techniques de réduction de dimension. L'objectif est de fournir une compréhension solide des algorithmes et principes de base permettant d'analyser et d'extraire des connaissances à partir de données.

Responsable(s) du cours

Pierre Pereira

Présentiel

10h de cours magistral
10h de travaux dirigés

PREREQUIS

Avant le début du cours, je dois ...

Bases en calcul matriciel
Python

OBJECTIFS

A la fin de ce cours, je devrais être capable de...

Modèles classiques : régression linéaire, kNN, K-Means, Decision Tree, ...
Regression vs classification
Sur-apprentissage vs sous-apprentissage, compromis biais-variance
Entraînement supervisé vs non-supervisé
Grandes étapes d'un projet de Machine Learning

CONTENU

1 - Introduction

Aucune description
2 - Régression Linéaire

Aucune description
3 - Exploration des données

Aucune description
4 - Classification & régression

Aucune description
5 - Clustering & réduction de dimension

Aucune description

Accéder au Syllabus complet (Authentification requise)

Important

Ce syllabus n’a aucune valeur contractuelle. Son contenu est susceptible d’évoluer en cours d’année : soyez attentifs aux dernières modifications.