Apprentissage Automatique Avancé
Master 2 WeDSci - 2022/2023
But
Apprendre et comprendre les principaux fondamentaux des méthodes d'apprentissage automatique actuelles. Savoir mener une démarche complète d'apprentissage automatique sur un jeu de données sophistiqués.
hautEvaluation
L'évaluation comprend :
- 1 contrôle continu sous forme de travaux à rendre
Cette matière appartient à l'UE "Apprentissage automatique avancé" comptant pour 4 crédits ECTS.
haut
Équipe d'enseignants
Alexandre Chotard
Sébastien Verel
Pour contacter un des intervenants : contacts.
Vous pouvez contacter l'équipe pour tout ce qui concerne cet enseignement et votre orientation.
Supports de Cours et de TP
Voici l'ensemble des supports de cours et des énoncés des TP.
| Séance | Titre | cours | TD/TP |
|---|---|---|---|
| 01 | (re)Introduction aux modèles linéaires | cours (pdf) | tp data (zip) exo (zip) |
| 02 | Méthodes de régularisation et sélection de modèle | cours (pdf) | tp |
| 03 | Méthodes d'apprentissage ensemblistes | cours | tp |
| 04 | Autoencodeurs | cours | |
| 05 | Réseaux convolutionnels | cours | |
| 06 | Réseaux antagonistes génératifs | cours | |
| 07 | Traitement Naturel du Langage | cours | |
| 08 | Apprentissage par renforcement | cours |
Bibliographie
Quelques repères biblio- /webo- graphiques qui vont se complèter au fur et à mesure :
- Data Science : fondamentaux et études de cas, Machine Learning avec Python et R , Eric Biernat, Michel Lutz, Eyrolles, 2015.
- Artificial Intelligence: A Modern Approach, Fourth edition, 2020, Stuart Russell and Peter Norvig.
- Vincent Barra, Antoine Cornuéjols, Laurent Miclet, "Apprentissage Artificiel. Concepts et algorithmes. De Bayes et Hume au Deep learning" Eyrolles. Mars 2021. 990 pages.
dernière modification : 23 novembre 2021