La quantité de données disponibles dans divers domaines ouvre de plus en plus la voie à l’analyse prédictive (d’e-mails, d’images, de clients, d’internautes… ) basée sur l’apprentissage.
L’objectif de cette UE est de familiariser les étudiants avec ces sujets en donnant une introduction à l’apprentissage automatique à partir d’exemples (apprentissage supervisé). En particulier, cette UE aborde :
- les fondements de l’apprentissage (modélisation probabiliste d’un problème d’apprentissage, le risque, le sur-apprentissage… )
- les algorithmes discriminatifs,
- un aperçu de la théorie statistique de l’apprentissage.
Prérequis
- Notions de base en probabilités, statistique et algèbre linéaire.
- Notions de base en Intelligence artificielle.
Acquis d’apprentissage
- Concepts généraux liés à l’apprentissage.
- Techniques de classification binaires et multi-classes.
- Techniques standards de validation et de sélection de modèle.
- Notions élémentaires en théorie de l’apprentissage.
Compétences visées
- Reconnaître et formuler un problème d’apprentissage supervisé.
- Mettre en œuvre une méthode d’apprentissage pour résoudre un problème de prédiction.
- Optimiser les paramètres d’un algorithme d’apprentissage.
- Évaluer les performances d’un modèle de prédiction.