Apprentissage supervisé

Informations

Langue d'enseignement : Français
Crédits ECTS: 6

Programme

  • Heures d'enseignement dispensées à l'étudiant : 48 heures
  • Temps de travail personnel : 120 heures

Objectifs et compétences

Objectifs :
L'objectif de cet enseignement est l’acquisition des méthodes de classification supervisée paramétriques et non paramétriques (approches Bayesienne naïve, régression logistique, arbres de classification et forêts aléatoires...). L'enseignement théorique sera appuyé de TD/TP avec le traitement de données réelles et la mise en compétition sous la forme de challenges.

Compétences :
  • Être en capacité d'investir ses connaissances et aptitudes dans le cadre d'une mise en situation professionnelle.

  • Maitriser les bases scientifiques de la modélisation et les outils modernes du langage scientifique : mathématiques, statistiques, méthodes numériques

  • Maîtriser les bases du raisonnement probabiliste ; savoir mettre en œuvre une démarche statistique pour le traitement des données.
  • Mettre en œuvre des techniques d’algorithmique et de programmation nécessaire à l’élaboration d’un calcul scientifique.

  • Être en capacité de savoir aborder un problème complexe.
  • Être en capacité de savoir aborder un problème complexe.

Organisation pédagogique

le mode de fonctionnement de l'UE est présenté au début des enseignements

Contrôle des connaissances

1ère session :

Un ou plusieurs contrôles continus

Pas de 2ème session

Lectures recommandées

l'ensemble des références bibliographiques est communiqué au début des enseignements

Responsable de l'unité d'enseignement

Marie Chavent

Enseignants

la composition de l'ensemble de l'équipe pédagogique est communiquée au début des enseignements