2. Diplômes
3. Diplôme ingénieur ISIMA (statut apprenti)
4. 2ème année
5. Semestre 7
6. Tronc commun
7. Aide-a-la-decision--
8. Apprentissage automatique

Apprentissage automatique

Objectifs

Acquérir les compétences dans l'analyse de masses de données, en complément et aprofondissement du cours d'analyse de première année

Plan du cours

1. Introduction à l'apprentissage automatique
2. Extraction de variables : méthodes non linéaires
3. Méthodes de classification supervisée
4. Méthodes à noyau en classification et régression
5. Méthodes d'ensemble
6. Traitement de données séquentielles

Description des TP

Mise en pratique en Python avec la librarie scikit-learn

Connaissances requises

Cours de première année en analyse numérique et analyse de données

RSE (Responsabilité Sociale et Environnementale)

Bibliographie

V Barra, A Cornuejols, L Miclet,  Apprentissage artificiel - 4e édition: De Bayes et Hume au Deep Learning. Concepts et algorithmes. Eds. Eyrolles, 2021.