434-1 | Machine Learning | Informatique (formation initiale sous statut étudiant) | S9 | ||||||
---|---|---|---|---|---|---|---|---|---|
Cours : 20 h | TD : 2 h | TP : 8 h | Projet : 0 h | Total : 30 h | |||||
Responsable : Regis Clouard |
Pré-requis | |
---|---|
Bases d'algèbre, de calcul scientifique et d'optimisation | |
Objectifs de l'enseignement | |
Ce module présente les méthodes et algorithmes pour l'apprentissage automatique. | |
Programme détaillé | |
Le module se se concentre sur les méthodes d'apprentissage statistique et de fouille de données. Après une introduction des différents types de problèmes d'apprentissage statistique (supervisé, non-supervisé, etc.) en les illustrant dans le cadre de la fouille de données, les principes sur lesquels reposent les méthodes d'apprentissage statistique seront développés (notions de risques structurel/empirique, compromis biais/variance, validation des modèles, etc.). Les grandes classes de méthodes existantes d'apprentissage statistique seront ensuite détaillées: plus proches voisins, réseaux de neurones, méthodes à base de noyaux, réduction de dimension, etc. La partie fouille de données se concentre sur les motifs séquentiels du point de vue méthodologique ainsi que du point de vue usage à travers leur utilité pour la fouille de données textuelles. | |
Applications (TD ou TP) | |
Le cours sera illustré par des applications sur des données multimédia (texte, image, etc..) | |
Compétences acquises | |
Bloc de compétences : Mobiliser les ressources d’un champ scientifique et technique liées à une spécialité. -> Niveau 3 : Concevoir des systèmes adaptatifs basés sur de l’apprentissage automatique, de l’apprentissage profond et de la fouille de données. |
|
Bibliographie | |
Alpaydin, E. (2010). Introduction to Machine Learning (2nd ed.). The MIT Press. Hastie, T., Tibshirani, R., Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer-Verlag New York, Inc., Secaucus, NJ, USA. Bishop, C.M. (2006). Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag New York, Inc., Secaucus, NJ, USA. Mitchell, T. (1997). Machine Learning (1 ed.). McGraw-Hill, Inc., New York, NY, USA. |
© 2024 - ENSICAEN ( Mentions Légales - Crédits )