Machine learning et data mining [IDASM102]

Acquis d'apprentissage

A l'issue du cours, l'étudiant devra pouvoir faire preuve d'une compréhension des différents thèmes abordés (cf. contenu), c'est-à-dire être capable d'exprimer avec ses propres mots la théorie et les méthodes vues au cours et expliquer dans quel contexte celles-ci sont utiles. Il doit également être capable de mettre en oeuvre les techniques vues au cours sur des problèmes simples d'analyse de données et de se documenter sur une question d'actualité en machine learning et de data mining.

Contenu

Le cours introduit au machine learning et au data mining et permettra à l’étudiant d’attaquer une large palette de problèmes en data science.  Les sujets suivants seront abordés :

• notion de modèle, modèles simples (arbres de décisions, kNN…), overfitting, sélection de modèles

• apprentissage supervisé (modèles linéaires, ensembles, réseaux de neurones...)

• apprentissage non-supervisé (clustering, visualisation..)

• utilisation du machine learning en situation réelle