• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

Machine learning: pratique et compléments

  • ECTS

    6 crédits

  • Composante

    Sciences Fondamentales et Appliquées

  • Période de l'année

    Semestre 4

Description

Les étudiants sont répartis en plusieurs  groupes: chaque groupe met en place un projet sur un thème choisi du type "data challenge", pour lequel les étudiants pourront mettre en pratique leurs connaissances en algorithmes d’apprentissage statistique. Les différents points de présentations et comptes rendus écrits seront  en anglais. En parallèle, les étudiants suivent un cours de deep learning (réseaux de neurones) qu’ils pourront également mettre en pratique.

Lire plus

Objectifs

Cet enseignement est dédié au développement des compétences transversales, notamment dans l’apprentissage des principes et outils de la gestion de projet et du travail en groupe, et à l’approfondissement des pratiques et connaissances en machine learning (deep learning).

Lire plus

Heures d'enseignement

  • CMCM6h
  • TPTP12h
  • P-ProjPédagogie par projet10h

Pré-requis obligatoires

Analyse de données, Supervized learning

Lire plus

Informations complémentaires

Le projet est remplacé par différents points de présentation de la mission pour les alternants.

Lire plus

Compétences visées

A l'issue de ce cours l'étudiant aura réalisé un projet en machine learning. Il devra  planifier un projet, affecter les ressources, respecter les délais, évaluer les risques, anticiper les problèmes et travailler en groupe dans le cadre d'une étude statistique.  Il saura mettre en œuvre les algorithmes classiques de machine learning ainsi que les réseaux de neurones.

Lire plus

Liste des enseignements