Accueil - Connexion

Fouille de donnees et Apprentissage

400-1 Fouille de donnees et Apprentissage Informatique (formation initiale sous statut étudiant) S7
Cours : 8 h TD : 6 h TP : 6 h Projet : 0 h Total : 20 h
Responsable : Christophe ROSENBERGER
Pré-requis
Probabilités et statistiques (1A)
Objectifs de l'enseignement
L'élève ingénieur y apprend des algorithmes visant à extraire de la connaissance à partir d'un ensemble d'informations (fouille de données), reconnaître par des techniques d'apprentissage des classes d'objets (apprentissage statistique) ou à résoudre des problèmes de modélisation statistique par des techniques non conventionnelles (algorithmes évolutionnaires).
Programme détaillé
- Analyse statistique d'informations
- Réseaux bayésiens
- Les arbres de décision
- Les algorithmes évolutionnaires
- L'apprentissage statistique
- Les réseaux de neurones
- Les SVM
- Le boosting
Applications (TD ou TP)
Manipulation avec Matlab
Analyse des données du Titanic
Résolution de problèmes avec des algorithmes génétiques
Apprentissage avec un perceptron pour la reconnaissance de maladies cardiaques
Compétences acquises
Connaissances en apprentissage statistique
Connaissances sur les algorithmes évolutionnaires

Bloc compétence : 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
- Gérard Dreyfus , Gérard Dreyfus , Jean-Marc Martinez , Manuel Samuelides "Apprentissage statistique", Edition Eyrolles
- Cornuéjols, A and Miclet L.: Apprentissage Artificiel. Concepts et algorithmes (2nd Ed.with revisions and additions - 2006 Eyrolles, 650 p
- Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer (2006).

© 2024 - ENSICAEN ( Mentions Légales - Crédits )