Livret pédagogique numérique

Apprentissage & Fouille de données

204-2	Apprentissage & Fouille de données				Informatique (formation initiale sous statut apprenti)				S8
Cours : 11 h		TD : 7 h		TP : 11 h		Projet : 0 h		Total : 29 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 - Arbres de décision - Les réseaux de neurones - L'apprentissage statistique - Les algorithmes évolutionnaires - Le boosting
Applications (TD ou TP)
Manipulation en TP avec Orange Data mining Travaux dirigés sur la compréhension des algorithmes vus en cours
Compétences acquises
Connaissances sur l'explication des données Connaissances en apprentissage statistique Connaissances sur les algorithmes évolutionnaires
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).