ECTS
2 crédits
Composante
Collège Sciences et Technologies pour l’Energie et l’Environnement (STEE)
Volume horaire
16h
Description
Aborder la prédiction et l’apprentissage automatique qui sont les tâches les plus courantes effectuées par les data scientists et les data analysts.
- Présentation des activités clés de l’apprentissage automatique
- Méthodes d’apprentissage supervisé: régression et classification binaire
- Approches et algorithmes pour l’apprentissage supervisé
- Apprentissage itératif basé sur l’optimisation
- Généralisation, régularisation et Validation
Objectifs
À la fin de cet enseignement, vous serez capable de :
-
Expliquer et communiquer à un public non expert les fondamentaux du Machine Learning,
-
Développer, décrire analytiquement et mettre en œuvre des méthodes d’apprentissage supervisé pour la prédiction et la classification,
-
Mettre en œuvre un algorithme de descente du gradient pour les modèles d’apprentissage,
-
Résoudre des problèmes du monde réel à l’aide de méthodes d’apprentissage automatique et de logiciels (R et/ou Python).
Heures d'enseignement
- Machine learningCours Magistral8h
- Machine learning TDTravaux Dirigés8h
Pré-requis obligatoires
Modèles linéaires – notions de base
Contrôle des connaissances
Session 1 : 100% contrôle continu
Pas de session 2.
Compétences acquises
Compétences | Niveau d'acquisition | |
|---|---|---|
| Appui à la transformation en contexte professionnel | Respecter les principes d'éthique, de déontologie et de responsabilité environnementale | 2 - Application |
| Conduire un projet (conception, pilotage, coordination d'équipe, mise en œuvre et gestion, évaluation, diffusion) pouvant mobiliser des compétences pluridisciplinaires dans un cadre collaboratif | 1 - Notion | |
| Prendre des responsabilités pour contribuer aux savoirs et aux pratiques professionnelles et/ou pour réviser la performance stratégique d'une équipe | 2 - Application | |
| Gérer des contextes professionnels ou d'études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles | 1 - Notion | |
| Développement et intégration de savoirs hautement spécialisés | Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d'une demande ou d'une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la règlementation | 1 - Notion |
| Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines | 1 - Notion | |
| Développer une conscience critique des savoirs dans un domaine et/ou à l'interface de plusieurs domaines | 1 - Notion | |
| Mobiliser des savoirs hautement spécialisés, dont certains sont à l'avant-garde du savoir dans un domaine de travail ou d'études, comme base d'une pensée originale | 1 - Notion | |
| S’approprier les usages avancés et spécialisés des outils numériques | Se servir de façon autonome des outils numériques avancés pour un ou plusieurs métiers ou secteurs de recherche du domaine | 1 - Notion |
| Identifier les usages numériques et les impacts de leur évolution sur le ou les domaines concernés par la mention | 1 - Notion | |
