Machine learning

Machine learning

  • 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.

  1. Présentation des activités clés de l’apprentissage automatique
  2. Méthodes d’apprentissage supervisé: régression et classification binaire
  3. Approches et algorithmes pour l’apprentissage supervisé
  4. Apprentissage itératif basé sur l’optimisation
  5. Généralisation, régularisation et Validation
Lire moins

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).

Lire moins

Heures d'enseignement

  • Machine learningCours Magistral8h
  • Machine learning TDTravaux Dirigés8h

Pré-requis obligatoires

Modèles linéaires – notions de base

Lire moins

Contrôle des connaissances

Session 1 : 100% contrôle continu

Pas de session 2.

Lire moins

Compétences acquises

Compétences

Niveau d'acquisition

Appui à la transformation en contexte professionnelRespecter les principes d'éthique, de déontologie et de responsabilité environnementale2 - 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 équipe2 - Application
Gérer des contextes professionnels ou d'études complexes, imprévisibles et qui nécessitent des approches stratégiques nouvelles1 - Notion
Développement et intégration de savoirs hautement spécialisésConduire 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 règlementation1 - Notion
Résoudre des problèmes pour développer de nouveaux savoirs et de nouvelles procédures et intégrer les savoirs de différents domaines1 - Notion
Développer une conscience critique des savoirs dans un domaine et/ou à l'interface de plusieurs domaines1 - 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 originale1 - Notion
S’approprier les usages avancés et spécialisés des outils numériquesSe servir de façon autonome des outils numériques avancés pour un ou plusieurs métiers ou secteurs de recherche du domaine1 - Notion
Identifier les usages numériques et les impacts de leur évolution sur le ou les domaines concernés par la mention1 - Notion