Objectifs par rapport aux acquis d'apprentissage du programme

• Communiquer des informations claires et précises
• -Avoir la capacité de communiquer avec clarté leurs connaissances, leurs conclusions, et de les étayer de manière rationnelle, à des auditoires de spécialistes et de non-spécialistes.
• Avoir une démarche scientifique rigoureuse et créatrice
• -Avoir la capacité de recueillir et d'interpréter des données scientifiques pertinentes et de les analyser de manière critique en distinguant les hypothèses de travail des faits avérés.

Acquis d'apprentissage de l'UE

Ce cours présente une introduction générale à l'apprentissage automatique/statistique. Voici une liste (non-exhaustive) des sujets abordés : learning framework (training and test errors, model assessment and selection, bias/variance tradeoff, resampling methods, regularization), supervised learning (linear models, tree-based models, neural networks, parametric/non-parametric models), and unsupervised learning (dimensionality reduction).

Contenu de l'UE : descriptif et cohérence pédagogique

Voir unique activité d'apprentissage.

Compétences préalables

Probabilité et statistique de base.
Algèbre matricielle de base.
Optimisation non-linéaire de base.