Acquérir les connaissances pour un projet d'apprentissage automatique en sciences des données. S'initier aux algorithmes de base de l'apprentissage supervisé et non-supervisé à partir des données pour l'informatique décisionnelle. Mettre en pratique les connaissances acquises pour l'analyse prédictive sur des cas réels.
Principes de l'apprentissage automatique. Cycle de vie d'un projet d'apprentissage automatique. Algorithmes de base de l'apprentissage supervisé. Arbre de décision. K plus-proches voisins. Réseaux connexionnistes. Apprentissage non-supervisé. K-means. Clustering hiérarchique. Recherche de motifs fréquents et règles d'associations. Apriori. Méthodologie de test et mesures de performance. Sur-apprentissage. Environnement d'apprentissage automatique et utilisation de librairies. Les exercices seront réalisés avec Scikit-Learn et Python.
Préalable(s): (8PRO408)
Formule pédagogique : Cours Magistral
Appartenance départementale
Informatique et mathématique
Programme dans lequel se trouve ce cours
| 7065 | Baccalauréat en génie logiciel |