Descriptif
Ce module d'apprentissage automatique vise à apporter les éléments essentiels du domaine de la science des données, à travers une approche transverse allant du nettoyage des données, leur analyse rapide, puis une démarche itérative d'apprentissage sur ces données en fonction des problématiques posées. Finalement des éléments de visualisation sont aussi amenés.
Objectifs pédagogiques
Les objectifs de ce module sont les suivants:
-Connaître les principaux algorithmes des 4 grandes classes de l'apprentissage automatique
-Savoir les utiliser, et les paramétrer
-Savoir ce que sont et comment utiliser les réseaux de neurones (dont deep learning)
-Savoir utiliser la libraire keras (réseaux de neurones)
-Savoir utiliser la librairie python Scikit
-Savoir mettre en place une démarche d'analyse des données pertinente (nettoyage de données, quick & dirty, pipes, visualisation, conclusions quant au problème posé)
- Cours Magistraux : 21
- Travaux Pratiques, Ateliers : 3
- Travail en Autonomie programmé à l'EDT : 9
- Projet : heures encadrées présentielles : 3
Diplôme(s) concerné(s)
UE de rattachement
- UE-IFIE3-GIPSI-GSI-CSI : GSI : Conception de système d'information (COSI)
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 : 2
Programme détaillé
Ce module se déroule selon les séances suivantes:
-Introduction
-TP Titanic
-Nettoyage de données TD+TP
-Classification TD+TP
-TP Titanic Scikit + évaluation des performances
-Réseaux de neurones TD+TP
-Clustering et association TD+TP
-Traitement du langage naturel TD+TP
-Projet en binôme évalué