• 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://4cfd1f20-bc14-4818-a1ca-a9c3c40bbc64CONTAINER
    Ingénieur diplômé spécialité électronique et systèmes numériques
  • course://ingenieur-diplome-specialite-electronique-et-systemes-numeriques-LMHFTD6T?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7b&courseId=courseContent://691764f6-0fbb-4e25-8730-bba5e37728d7&programId=programContent://4cfd1f20-bc14-4818-a1ca-a9c3c40bbc64CONTAINER
    TRONC COMMUN
  • course://ingenieur-diplome-specialite-electronique-et-systemes-numeriques-LMHFTD6T/tronc-commun-LOCY8VUU?rootId=page://11285f75-54cc-4102-adfc-bba834e8dd7b&courseId=courseContent://ca084c55-c53b-4b0e-826a-519be418092a&programId=programContent://4cfd1f20-bc14-4818-a1ca-a9c3c40bbc64CONTAINER
    UE6 Communication et Intelligence Artificielle
  • Apprentissage automatique et systèmes intelligents

Apprentissage automatique et systèmes intelligents

  • Niveau d'étude

    BAC +4

  • Composante

    Polytech Dijon (Ex-ESIREM)

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 - Épreuves

Type d'évaluationNature de l'épreuveDurée (en minutes)Nombre d'épreuvesCoefficient de l'épreuveNote éliminatoire de l'épreuveRemarques
CC (contrôle continu)Ecrit sur table
CC (contrôle continu)Evaluation des pratiques techniques

Seconde chance / Session de rattrapage - Épreuves

Type d'évaluationNature de l'épreuveDurée (en minutes)Nombre d'épreuvesCoefficient de l'épreuveNote éliminatoire de l'épreuveRemarques
CC (contrôle continu) 2nde chanceEcrit sur table
CC (contrôle continu) 2nde chanceEvaluation des pratiques techniques