• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

  • Se connecter
  • Accueil
  • page://11285f75-54cc-4102-adfc-bba834e8dd7bLINK
    Offre de formation
  • odfLevel1://FI?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7bCONTAINER
    Formation d'ingénieur classique
  • program://_root?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7b&programId=programContent://54ddcee6-b91b-4008-bb5d-8d0a3a0c3f96CONTAINER
    Ingénieur diplômé de Polytech spécialité informatique et réseaux
  • course://ingenieur-diplome-de-polytech-specialite-informatique-et-reseaux-LMHFV8NH?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7b&courseId=courseContent://23e5e2f1-d56a-4e54-bca7-cfb730bc1f01&programId=programContent://54ddcee6-b91b-4008-bb5d-8d0a3a0c3f96CONTAINER
    TRONC COMMUN
  • course://ingenieur-diplome-de-polytech-specialite-informatique-et-reseaux-LMHFV8NH/tronc-commun-LOD1HLYG?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7b&courseId=courseContent://1b5c853c-de8b-4a63-a5f0-b5710c35aa15&programId=programContent://54ddcee6-b91b-4008-bb5d-8d0a3a0c3f96CONTAINER
    UE6 Communication et Intelligence Artificielle
  • Apprentissage automatique et systèmes intelligents

Apprentissage automatique et systèmes intelligents

  • Ajouter à la sélection
  • Télécharger

  • Niveau d'étude

    BAC +4

  • Composante

    Polytech Dijon

Description

  • Présentation de l’apprentissage automatique, définition des termes importants (intelligence artificielle, apprentissage automatique, optimisation) et des types de machine learning (supervisé, non supervisé, classification, régression)
  • Classification : principaux algorithmes (régressions logistiques, arbres, forêts aléatoires, SVM linéaires ou à noyaux, k-moyennes, multi-classes) et méthodes d’évaluation
  • Régression : principaux algorithmes et utilisation avancée (régression linéaire, régularisation) et méthodes d’évaluation
  • Clustering : principaux algorithmes et évaluation
  • Réseaux de neurones et descente de gradient
  • Utiliser ces algorithmes : choix des hyper-paramètres et validation, sur-apprentissage, biais
Lire plus

Objectifs

  • Connaitre les principaux algorithmes d’apprentissage automatique, en apprentissage supervisé (classification ou régression) et non supervisé (clustering).
  • Implémenter les algorithmes d’apprentissage automatique.
  • Utiliser des algorithmes d’apprentissage automatique déjà implémentés dans une librairie et choisir leurs paramètres.
  • Évaluer les performances d’un algorithme et comparer plusieurs algorithmes.
Lire plus

Heures d'enseignement

  • CMCours Magistral8,75h
  • TDTravaux Dirigés7h
  • TPTravaux Pratiques14h

Pré-requis obligatoires

  • Algorithmique et programmation
  • Mathématiques appliquées
  • Python
Lire plus

Modalités de contrôle des connaissances

Évaluation initiale / Session principale

Type d'évaluationNature de l'évaluationDurée (en minutes)Nombre d'épreuvesCoefficient de l'évaluationNote éliminatoire de l'évaluationRemarques
CC (contrôle continu)Ecrit sur table 1.5
CC (contrôle continu)Evaluation des pratiques techniques1

Seconde chance / Session de rattrapage

Type d'évaluationNature de l'évaluationDurée (en minutes)Nombre d'épreuvesCoefficient de l'évaluationNote éliminatoire de l'évaluationRemarques
CC (contrôle continu) 2nde chanceEcrit sur table 1.5
CC (contrôle continu) 2nde chanceEvaluation des pratiques techniques1