Descriptif
Cet enseignement concerne les sciences des données, plus précisément le "machine learning", et leurs applications dans des problématiques de modélisation dans le secteur de l'énergie.
Une part importante de l'enseignement sera dédiée à la méthodologie complète de construction d'un modèle par apprentissage, méthodologie qui inclut la récupération des données, le nettoyage et l'analyse de ces données, la construction du modèle, l'évaluation de ses performances et ses améliorations. Les principaux algorithmes, que ce soit pour les problèmes d'apprentissage supervisé (classification & régression) et non supervisé (clustering), seront présentés.
Pour chacun des algorithmes présentés, une étude pratique sera proposée.
Objectifs pédagogiques
Les objectifs pédagogiques du module sont :
- interpréter les différents enjeux des étapes de modélisation par apprentissage automatique.
- maitriser les opérations d'extraction, de transformation et d'analyse des données.
- appliquer les différents méthodes de classification (classification Naïve Bayésienne, Régression logistique, Support Vector Machine (SVM), arbre de décision, réseau de neurones), de régresion (régression multivariée, réseau de neurones) et de clustering (hierarchique / non hiérarchique).
- analyser, critiquer et améliorer les performances d'un modèle.
- Cours Magistraux : 24
Diplôme(s) concerné(s)
UE de rattachement
- UE-IFIE3-EAE-ETN-SDMO : ETN : Sciences des Données, Modélisation & Optimisation
Format des notes
Numérique sur 20Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)Le coefficient de l'enseignement est : 1