Apprentissage collaboratif

Apprentissage collaboratif
Master InformatiqueParcours Sciences des données et systèmes complexes (SDSC)

Description

Cette unité d'enseignement est une ouverture sur des méthodes basées sur des collaborations. Elle présente des approches basées sur la collaboration entre des algorithmes d’apprentissage ou d’agents informatiques. Elle propose des approches visant à intégrer l’expert de façon active dans le processus d’analyse. Enfin, elle introduit les algorithmes évolutionnaires et la programmation génétique inspirés des processus naturels

Compétences requises

À l'entrée de cet enseignement, un étudiant devra :

  • Connaître les principes et concepts avancés de la fouille de données et de l’apprentissage
  • Maîtriser les principales méthodes dans ce domaine
  • Identifier les particularités des données qu’il est amené à manipuler et les mettre en forme pour les rendre opérables
  • Savoir écrire des programmes en Python

Compétences visées

À l'issue de cet enseignement un étudiant saura :

  • Mettre en évidence l’hétérogénéité des méthodes existantes potentiellement applicables pour le problème donné
  • Comprendre les concepts et les principaux algorithmes collaboratifs mis en œuvre pour exploiter au mieux cette hétérogénéité.
  • Mettre en œuvre de telles solutions collaboratives
  • Comprendre les défis, les concepts et les principaux algorithmes intégrant l’expert proposés pour pallier les manques d’exemples et/ou des classes recherchées dans le processus d’apprentissage
  • Identifier les besoins en interaction de l’expert et mettre en œuvre des solutions collaboratives en prenant en compte l’aspect fastidieux et chronophage de telles interactions
  • Mettre en œuvre des méthodes permettant de visualiser les données et résultats ainsi que les interfaces d’interaction avec l’expert
  • Modéliser des systèmes complexes
  • Comprendre les concepts des systèmes multi-agents
  • Mettre en œuvre des algorithmes basés sur des approches bio-inspirées

Disciplines

  • Informatique

Syllabus

  • Introduction aux systèmes complexes et multi-agents
  • Classification
  • o   Méthodes par ensembles (Ensemble clustering, Bagging, boosting (Ramdom Forest )
  • o   Méthodes collaboratives (Clustering multistratégie)
  • Approches collaboratives en relation directe avec l’expert
  • o   Visualisation
  • o   Apprentissage guidée, semi-supervisé et actif
  • Approches bio-inspirées :
  • o   Algorithmes évolutionnaires
  • o   Programmation génétique

Bibliographie

  • Al-Razgan, M., C. Domeniconi, and D. Barbará. "Supervised and Unsupervised Ensemble Methods and Their Applications." (2008) : 31-48.
  • Goldberg, David Edward, and Vincent Corruble. Algorithmes génétiques : exploration, optimisation et apprentissage automatique. Ed. Addison-Wesley France, 1994.
  • Ollivier, Florence. "Synthétiser l’intelligence du vivant: les algorithmes génétiques# 1." (2022)

Contacts

Responsable(s) de l'enseignement