 | Programme d’études 2024-2025 | English | |
 | Advanced Topics in Machine Learning and Data Science | ||
Unité d’enseignement du programme de Master en sciences mathématiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCMATH-055-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 | Advanced Topics in Machine Learning and Data Science | 30 | 30 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Être capable de réaliser des projets d'envergure
- -Être capable de travailler en équipe et en particulier de communiquer efficacement et dans le respect des autres.
- -Pouvoir présenter oralement et par écrit les objectifs et les résultats d'un projet.
- Pouvoir communiquer clairement
- -Pouvoir communiquer oralement et par écrit des résultats de mathématique ou de domaines connexes en s'adaptant au public.
- Être capable de s'adapter à différents contextes
- -Avoir développé un fort degré d'autonomie permettant d'acquérir des savoirs complémentaires et des compétences nouvelles, permettant d'évoluer dans des contextes différents.
- -Être capable de mener une réflexion critique sur l'impact des mathématiques et sur les implications des projets auxquels ils contribuent
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) Présentation et travaux (40% des points) 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) Présentation et travaux (40% des points) Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement. |