Contenu de l'AA

Représentation de l'information numérique.
Analyse de l'information (quantification vectorielle, analyse en composantes principales)
Structures et modèles de classifcation (théorie de Bayes, mélagne de Gaussiennes)
Systèmes dynamiques (comparaison dynamiques, modèles de Markov)
Introduction aux réseaux de neurones artificiels et à l'apprentissage profond.

Les cours théoriques sont ponctués d'exercices qui présentent des cas d'application concrets et/ou sont l'objet d'une réflexion permettant une analyse critique des méthodes présentées au travers d'échanges de questions et réponses avec les étudiants.

Les séances de travaux pratiques visent à développer la compréhension de la matière vue au cours ainsi que l'esprit d'analyse critique. Il est donc indispensable d'être à jour au niveau de l’enseignement afin de tirer profit de ces séances.

L’enseignement est donné en français.
 

Supports principaux non reproductibles

Copies de présentations
Protocoles de laboratoires
 

Support complémentaires non reproductibles

néant

Autres références conseillées

sans objet

Mode d'enseignement

• En présentiel

Types d'activités

• Cours magistraux
• Travaux pratiques
• Projet sur ordinateur
• Etudes de cas

Evaluations

Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend