Le cours de déroule en trois parties :
– Introduction à l’apprentissage supervisé (processus d’apprentissage et évaluation) – 2 cours
– Apprentissage par réseaux de neurones – 2 cours
– Apprentissage via des modèles interprétables – 2 cours
3 séances de TP permettent de mettre en œuvre les deux familles de modèles d’apprentissage pour des tâches de classification ou de régression. Les TP se déroulent en Python avec la librairie scikit-learn.
A la fin de ce module, l'étudiant devra avoir compris et pourra expliquer (principaux concepts) : L'étudiant devra être capable de :
- les caractéristiques d'un problème d'apprentissage supervisé (jeux de données, classification / régression, processus d'apprentissage, évaluation d'un apprentissage)
- les principales méthodes de base et algorithmes pour traiter ces problèmes (modèles interprétables et réseaux de neurones)
- mettre en place un processus d'apprentissage
- utiliser les algorithmes implémentés dans des librairies existantes
- adapter et développer ses propres algorithmes
- présenter et expliquer les résultats d'algorithmes d'apprentissage
- développer en langage Python
Algorithmique, Optimisation, Statistiques, Langage Python
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…
Crédits ECTS :
Nombre d’heures :
Annuaire
ENT
Rejoindre
les équipes
Marchés publics
INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00
Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.