Recherche avancée
Libres Savoirs >> Sciences et technologies de l'information et de la communication >> Informatique
Responsable :

Fabien Moutarde
  

Equipe Pédagogique :
Francis Bach
Guillaume Obozinski

Niveau : Graduate

Langue du cours : Français

Période : Printemps

Nombre d'heures : 22

Crédits ECTS : 2
SGS_S1324 Apprentissage artificiel
Ressources Pédagogiques :
Objectifs: L’essor de la numérisation fait s’accumuler dans les domaines les plus variés (internet, marketing, logistique, biologie, etc…) des masses considérables de données et d’images. Ceci induit un besoin croissant de fouille et d’exploitation automatisée et intelligente de données de toutes natures. Parallèlement, de nombreux algorithmes (réseaux neuronaux, SVM, dopage, réseaux bayésiens, …) sont récemment apparus, qui permettent des analyses et modélisations plus puissantes que les simples méthodes statistiques linéaires classiques.

Le but de ce cours est de présenter un panorama de ces nouvelles techniques dites d’apprentissage artificiel, ainsi que leur cadre théorique et méthodologique commun, et leurs divers types d’applications.

Programme:
  • Théorie de l’apprentissage statistique ;
  • typologie des applications : classification, régression, prédiction, catégorisation, …
  • réseaux neuronaux (à couches, RBF, …) ;
  • méthodes à noyaux et Support Vector Machines (SVM) ;
  • dopage (boosting) ;
  • modèles graphiques probabilistes (réseaux bayésiens) ;
  • apprentissage non supervisé pour la catégorisation (k-means, cartes topologiques de Kohonen, …) ;
  • autres types d’apprentissage non supervisé (Analyse en Composantes Indépendantes pour la séparation aveugle de sources, optimisation de comportement global d’un agent « intelligent », …) ;
  • algorithmes évolutionnistes et autres méta-heuristiques.


Niveau requis : Notions de bases en probabilités et statistiques (type Tronc Commun des semestres 2 et 3, ou équivalent).

Quelques notions sur les algorithmes numériques d’optimisation (type descente de gradient) peuvent être utiles, mais ne sont pas du tout indispensables.

Modalités d'évaluation : L’évaluation est prévue à partir d’un rapport de synthèse à rédiger sur le travail effectué en TPs (et/ou en micro-projets, selon nombre d’inscrits).

Dernière mise à jour : vendredi 10 décembre 2010

© Mines de Paris 2017 - Réalisé par Winch Communication