MATI M2 - Méthodes d'apprentissage non supervisé et d'apprentissage profond
Parcours : Interdisciplinary Approach to Data Science | AISD

  • Cours (CM) 6h
  • Cours intégrés (CI) -
  • Travaux dirigés (TD) 8h
  • Travaux pratiques (TP) 14h
  • Travail étudiant (TE) -

Langue de l'enseignement : Français

Description du contenu de l'enseignement

Cet enseignement vise à faire connaître et savoir mettre en œuvre des méthodes d’apprentissage non-supervisé (clustering, association, motifs fréquents) et d’apprentissage profond (connaître la structure générale des réseaux de neurones et intérêt des réseaux de neurones convolutifs). Dans cette enseignement, les étudiants seront amenés à adapter et appliquer ces différentes méthodes sur des données d’applications variées.

Compétences à acquérir

Objectifs en termes de connaissances
  • Connaître les différents paradigmes de l'apprentissage non supervisé
  • Comprendre les principales méthodes d'apprentissage non-supervisé et profond
Objectifs en termes de compétences
  • Savoir utiliser les principales méthodes d'apprentissage non-supervisé et profond

Contact

Responsable

Nicolas Lachiche

Xavier Dolques

Céline Meillier

Approche interdisciplinaire en science des données (AISD)