 | Programme d’études 2023-2024 | English | |
 | Machine Learning II | ||
Unité d’enseignement du programme de Master en sciences informatiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCINFO-058-M | UE optionnelle | BEN TAIEB Souhaib | S861 - Big Data and Machine Learning |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Anglais | 30 | 30 | 0 | 0 | 0 | 6 | 6.00 | 2e quadrimestre |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| S-INFO-075 | Machine Learning II | 30 | 30 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Gérer des travaux de recherche, de développement ou d'innovation
- -Etre capable d'appréhender une problématique inédite relevant des sciences informatiques et de ses applications
- Maîtriser les techniques de communication
- -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
- Développer et intégrer un fort degré d'autonomie
- -Etre capable d'acquérir seul de nouveaux savoirs
- Appliquer une méthodologie scientifique
- -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
Acquis d'apprentissage de l'UE
Voir l'unique activité d'apprentissage.
Contenu de l'UE : descriptif et cohérence pédagogique
Ce cours, faisant suite au premier cours de machine learning (S-INFO-256), est un cours avancé en apprentissage automatique qui a pour but de compléter et d'approfondir les connaissances en apprentissage automatique. La méthodologie d'enseignement comprendra des cours magistraux, des travaux pratiques ainsi que des séminaires.
Compétences préalables
Avoir suivi avec succès le cours "Machine learning I".
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-075 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-075 |
|
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-075 | Sans objet |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-INFO-075 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-INFO-075 | Sans objet |
Reports des notes d'AA d'une année à l'autre
| AA | Reports des notes d'AA d'une année à l'autre |
|---|---|
| S-INFO-075 | Non autorisé |
Evaluation du quadrimestre 2 (Q2) - type
| AA | Type(s) et mode(s) d'évaluation Q2 |
|---|---|
| S-INFO-075 |
|
Evaluation du quadrimestre 2 (Q2) - commentaire
| AA | Commentaire sur l'évaluation Q2 |
|---|---|
| S-INFO-075 | Examen oral à livre fermé (60% des points)#newline# Présentation et travaux (40% des points)#newline# #newline# Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement. |
Evaluation du quadrimestre 3 (Q3) - type
| AA | Type(s) et mode(s) d'évaluation du Q3 |
|---|---|
| S-INFO-075 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
| AA | Commentaire sur l'évaluation Q3 |
|---|---|
| S-INFO-075 | Examen oral à livre fermé (60% des points)#newline# Présentation et travaux (40% des points)#newline# #newline# Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement. |