Objectifs par rapport aux acquis d'apprentissage du programme

• Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
• Réaliser des travaux de développement ou d'innovation en informatique
• -Etre capable d'appliquer, de mobiliser, d'articuler et de valoriser les connaissances et les compétences acquises en vue de contribuer à la réalisation d'un travail de développement ou d'innovation
• Maîtriser les techniques de communication
• -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
• Développer et intégrer un grand degré d'autonomie
• -Etre capable d'acquérir seul de nouveaux savoirs
• -Poursuivre sa formation et développer de nouvelles compétences de façon autonome
• Appliquer une méthodologie scientifique
• -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
• -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique

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.