- français
- English
Fiches de cours
Apprentissage et intelligence artificielle
EE-311
Enseignant(s) :
Fleuret FrançoisLiebling Michael Stefan Daniel
Langue:
Français
Résumé
Ce cours présente une vue générale des techniques d'apprentissage automatiques, passant en revue les algorithmes, le formalisme théorique, et les protocoles expérimentaux.Contenu
Le cours abordera les questions suivantes:
- Introduction à la notion d'apprentissage automatique
- Régression linéaire et logistique, descente de gradient
- Machine à vecteurs de support, méthodes à noyaux
- Dilemme biais-variance, sur- et sous-apprentissage
- Plus proches voisins, clustering, mixtures de Gaussiennes, apprentissage par espérance-maximisation
- Arbres de décision, Boosting
- Réseaux de neurones artificiels, perceptron à couches multiples
- Réseaux de neurones convolutifs et profonds
- Estimation de méta-paramètres et protocoles expérimentaux
- Estimation de densité, maximum de vraisemblance, inférence Bayésienne
Mots-clés
apprentissage automatique, machine learning
Compétences requises
Cours prérequis obligatoires
- Analyse (Calcul différentiel et intégral)
- Algèbre linéaire
- Probabilités et statistiques
Acquis de formation
A la fin de ce cours l'étudiant doit être capable de:- Reconnaitre les différents types d'apprentissage machine
- Reconnaitre le fonctionnement, le domaine d'application (conditions, limitations) de différent algorithme d'apprentissage machine
- Identifier les méthode appropriées à des problèmes pratiques les méthode appropriées à des problèmes pratiques et formaliser leur expressionet formaliser leur expression
- Implémenter des algorithmes d'apprentissage automatique
- Reconnaitre les limitation d'ordre éthique et implications légales liés à la collecte et l'utilisation de données à des fins d'apprentissage
Compétences transversales
- Utiliser une méthodologie de travail appropriée, organiser un/son travail.
- Faire preuve d'esprit critique
- Etre conscient et respecter des directives légales pertinentes et du code éthique de la profession.
Méthode d'enseignement
- Cours ex-cathedra
- Séances d'exercices-labo encadrés (combinaison d'exercices théoriques et applications informatique / programmation)
Travail attendu
- Faire tous les exercices (théoriques, problèmes de programmation)
- Participer activement au cours
- Se préparer au cours (lecture du livre de référence, consultation des resources mises à disposition sur Moodle et en lien externes)
Méthode d'évaluation
- Série d'exercices hebdomadaire notée portant sur des dérivations théorique, des implémentations informatiques, et de la connaissance du cours (rendue sous forme de quiz Moodle) 10%
- Examen final: 90%
Encadrement
Assistants | Oui |
Forum électronique | Oui |
Ressources
Bibliographie
Titre: Introduction au Machine Learning
Auteur: Chloé-Agathe Azencott
Éditeur: Dunod, 2018
ISBN: 210078594X, 9782100785940
Ressources en bibliothèque
Dans les plans d'études
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
- Passerelle HES - EL, 2020-2021, Semestre printemps
- SemestrePrintemps
- Forme de l'examenEcrit
- Crédits
4 - Matière examinée
Apprentissage et intelligence artificielle - Cours
2 Heure(s) hebdo x 14 semaines - TP
2 Heure(s) hebdo x 14 semaines
- Semestre
Semaine de référence
Lu | Ma | Me | Je | Ve | |
---|---|---|---|---|---|
8-9 | BC01 | ||||
9-10 | |||||
10-11 | BC01 BC07-08 | ||||
11-12 | |||||
12-13 | |||||
13-14 | |||||
14-15 | |||||
15-16 | |||||
16-17 | |||||
17-18 | |||||
18-19 | |||||
19-20 | |||||
20-21 | |||||
21-22 |
Cours
Exercice, TP
Projet, autre
légende
- Semestre d'automne
- Session d'hiver
- Semestre de printemps
- Session d'été
- Cours en français
- Cours en anglais
- Cours en allemand