logo Insalogo Insa

Apprentissage Machine

Objectifs

- Les propriétés des principales méthodes d'apprentissage et leurs limites.
- Le principe du compromis biais-variance
- Algorithmes et méthodes d'estimation d'un risque (bootstrap, validation croisée)
- Optimisation et implémentations des principales méthodes (Python Scikit-learn)

L'étudiant devra être capable de :
- Analyser des jeux de données massives issus de divers domaines (assurance, marketing, industrie...) avec les librairies de Python.
- Mettre en œuvre les principales méthodes et exécuter les algorithmes (PLS, analyse discriminante, arbres, boosting, random forest, réseaux de neurones, SVM¿)
- Optimiser les valeurs des hyper-paramètres, automatiser la chaîne des traitements (pipeline Python).

Pré-requis

Modélisation statistique
Exploration Statistique des données
Langages R, Python

Evaluation

L'évaluation des acquis d'apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs...

Bourse

http://wikistat.fr
Coelho,L. P., Richert W. « Building Machine Learning Systems with Python », 2nd Edition, Packt Publishing, 2015.
Hastie, T. Tibshirani, R., Friedman, J. « The elements of statistical learning », Springer, 2001