• FR
  • EN

Apprentissage artificiel

Sigle: S1333/5, ECTS: 3

Objectifs du cours

L’essor de la numérisation fait s’accumuler dans les domaines les plus variés (internet, marketing, logistique, biologie, etc…) des masses considérables de données et d’images. Ceci induit un besoin croissant de fouille et d’exploitation automatisée et intelligente de données de toutes natures. Parallèlement, de nombreux algorithmes (réseaux neuronaux, SVM, dopage, réseaux bayésiens, …) sont récemment apparus, qui permettent des analyses et modélisations plus puissantes que les simples méthodes statistiques linéaires classiques.

Le but de ce cours est de présenter un panorama de ces nouvelles techniques dites d’apprentissage artificiel, ainsi que leur cadre théorique et méthodologique commun, et leurs divers types d’applications.

Pré-requis

Notions de bases en probabilités et statistiques (type Tronc Commun des semestres 2 et 3, ou équivalent).

Quelques notions sur les algorithmes numériques d’optimisation (type descente de gradient) peuvent être utiles, mais ne sont pas du tout indispensables.

Programme

  • Théorie de l’apprentissage statistique ;
  • typologie des applications : classification, régression, prédiction, catégorisation, …
  • réseaux neuronaux (à couches, RBF, …) ;
  • méthodes à noyaux et Support Vector Machines (SVM) ;
  • dopage (boosting) ;
  • modèles graphiques probabilistes (réseaux bayésiens) ;
  • apprentissage non supervisé pour la catégorisation (k-means, cartes topologiques de Kohonen, …) ;
  • autres types d’apprentissage non supervisé (Analyse en Composantes Indépendantes pour la séparation aveugle de sources, optimisation de comportement global d’un agent « intelligent », …) ;
  • algorithmes évolutionnistes et autres méta-heuristiques.

Modalités d'évaluation

L’évaluation est prévue à partir d’un rapport de synthèse à rédiger sur le travail effectué en TPs (et/ou en micro-projets, selon nombre d’inscrits).

Modalités pédagogiques

Le cours présente succinctement les divers paradigmes et leurs types d’applications, et laisse une place importante (environ la moitié des séances) à des Travaux Pratiques permettant une mise en œuvre concrète des principales techniques présentées.

Equipe pédagogique

Responsable(s)
Fabien MOUTARDE

Chargé(s) d'enseignement

Intervenant(s)
Jean-Philippe VERT
Sigle S1333/5
Année 2ème & 3ème année
Niveau Graduate 1st year, Graduate 2nd year
Crédits ECTS 3
Coefficient 3
Nb. d'heures 22
Nb. de séances 18
Type de cours Enseignement spécialisé
Semestre 3, 5
Période Automne
Domaines
  • Informatique
Dernière mise à jour:
07 Jul 2017 08:47 par julien