• Domaine : Masters du domaine SCIENCES, TECHNOLOGIES, SANTE
  • Diplôme : Master
  • Mention : Mathématiques appliquées, statistique
  • Parcours : Statistique, informatique, techniques numériques
  • Unité d'enseignement : Machine Learning
Nombre de crédits de l'UE : 3
Code APOGEE : INF2356M
UE Obligatoire pour ce parcours
UE valable pour le semestre 4 de ce parcours
:: Responsabilité de l'UE :
AUSSEM ALEXANDRE
 
0472434466
Type d'enseignement
Nb heures *
Cours Magistraux (CM)
16 h
Travaux Dirigés (TD)
8 h
Travaux Pratiques (TP)
8 h
Total du volume horaire
32 h
* Ces horaires sont donnés à titre indicatif.
Programme - Contenu de l'UE

Méthodes et outils modernes pour l’apprentissage de modèles statistiques à partir de données et l’aide à la décision. L'UE sensibilise les étudiants aux différents problèmes qui se posent lorsqu’on cherche à extraire des connaissances dans les données pour résoudre des tâches de classification, d’estimation de densité de probabilité, et de régression. En TP, les étudiants se familiarisent avec R et scikit-learn sous Python.

 

  • Apprentissage supervisé, non-supervisé (classification automatique) et estimation de densité.
  • Principes généraux de l’estimation statistique.
  • Arbres de décision et forêts aléatoires,
  • Séparateurs à Vaste Marge (SVM)
  • Bootstrapping, Bagging, Boosting
  • Applications biologie, maintenance prédictive, marketing, business intelligence etc.
  • Prédiction de séries chronologiques

 

Problèmes liés au passage à l’échelle seront abordés.

Liste des autres Parcours / Spécialité / Filière / Option utilisant cette UE
Date de la dernière mise-à-jour : 22/06/2017