Objectifs par rapport aux acquis d'apprentissage du programme

• Maîtriser les fondements théoriques des sciences informatiques.
• Montrer une compréhension et une connaissance profondes des concepts fondamentaux de l'informatique et des formalismes mathématiques utilisés dans le domaine de l'informatique.
• Etre capable de résoudre des exercices et des problèmes informatiques en appliquant les connaissances de base dans les diverses disciplines de l'informatique.
• Etre capable d'utiliser le vocabulaire et les raisonnements mathématiques adéquats pour formuler et résoudre des problèmes dans le domaine de l'informatique.
• Pouvoir utiliser et combiner des connaissances issues de différentes disciplines pour résoudre des problèmes multidisciplinaires.
• Maîtriser les technologies informatiques.
• Etre capable de s'auto-former en technologies informatiques.
• Démontrer une connaissance et un savoir-faire de base dans des domaines connexes.
• Avoir acquis une connaissance suffisante de la langue anglaise pour la lecture de textes scientifiques, en particulier dans le domaine de l'informatique.
• Démontrer une connaissance et un savoir-faire de base en sciences et techniques.
• Gérer des projets informatiques.
• Conduire un projet dans le respect du cahier des charges, des contraintes et des délais imposés.
• Mettre en oeuvre de façon créative les connaissances et savoir-faire acquis dans le domaine des sciences informatiques.
• Appliquer les démarches informatiques (technologiques et scientifiques) appropriées.
• Faire preuve d'autonomie et être capable de travailler en équipe.
• Maîtriser les connaissances de base liées à la démarche scientifique.
• Développer des capacités d'abstraction et de modélisation par le biais d'une approche conceptuelle et scientifique.
• Conduire un raisonnement rigoureux s'appuyant sur des arguments scientifiques.
• Maîtriser les bases de la communication.
• Pouvoir communiquer des informations (tant à l'oral qu'à l'écrit) relatives au domaine des sciences informatiques de manière intelligible, claire et structurée.
• Etre capable de communiquer, oralement ou par écrit, une argumentation scientifique cohérente et rigoureuse.
• Avoir une bonne maîtrise de la langue et des techniques de communication.

Acquis d'apprentissage de l'UE

Ce cours propose une introduction aux fondements de l'apprentissage automatique. Il couvre l’apprentissage supervisé (régression, classification) et non supervisé (réduction de dimension), les modèles linéaires et non linéaires (arbres, réseaux de neurones), ainsi que les techniques ensemblistes (bagging, forêts aléatoires, boosting). Une attention particulière est portée aux concepts fondamentaux de l'apprentissage statistique (compromis biais/variance, overfitting, sélection de modèles, méthodes de rééchantillonnage). Le cours théorique est complémenté par des travaux pratiques en Python utilisant les librairies scikit-learn et PyTorch.

Contenu de l'UE : descriptif et cohérence pédagogique

Voir unique activité d'apprentissage (AA).

Compétences préalables

Probabilités et statistiques (quelques rappels sont donnés au début du quadrimestre).
Algèbre linéaire de base.
Optimisation non-linéaire de base.