Apprentissage artificielSigle: S1333/5, ECTS: 3Objectifs du coursL’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. Pré-requisNotions de bases en probabilités et statistiques (type Tronc Commun des semestres 2 et 3, ou équivalent). Programme
Modalités d'évaluationL’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 pédagogiquesLe 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)
Chargé(s) d'enseignement Intervenant(s)
Domaines
Dernière mise à jour:
07 Jul 2017 08:47 par julien | ||||||||||||||||||||||||||