 | Programme d’études 2025-2026 | English | |
| Machine Learning | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
|---|---|---|---|---|
| I-MARO-013 |
|
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
|---|---|---|---|---|---|---|---|
| Français | Français | 12 | 12 | 0 | 0 | 0 | Q1 |
Contenu de l'AA
- méthodes de classification supervisée : arbres de décision, KNN, séparateurs à vaste marge, réseaux de neurones, ...
- méthodes de classification non-supervisée : K-Means, Expectation-Maximisation, ...
Supports principaux non reproductibles
slides et notes pour les séances pratiques
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
- R.O.Duda, P.E.Hart, D.G.Stork. "Pattern Classification". John Wiley and Sons, 2000.
- Bishop, Christopher M. Pattern recognition and machine learning. springer, 2006.
- R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, "Probability and Statistics for Engineers and Scientists", Prentice Hall, 2012
- K P Murphy. Machine learning: a probabilistic perspective. MIT press, 2012.
Mode d'enseignement
- En présentiel
Types d'activités
- Cours magistraux
- Travaux pratiques
- Projet sur ordinateur
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend
Implantation(s) où l’activité d’apprentissage sera organisée
- Université de Mons - Mons
Implantation(s) où l’activité d’apprentissage sera évaluée
- Université de Mons - Mons