Machine learning: pratique et compléments

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.

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).

Analyse de données, Supervized learning

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

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.