MSE2321 : Apprentissage (3 ECTS)

Code apogée

MSE2321

Semestre calendaire

S3

Nombre d'ECTS

3 ECTS

Intitulé du cours

Apprentissage automatique

Mots clés

Classification supervis.AŽée et non supervisŽée

Université

Victor Segalen Bordeaux 2

Composante

UFR Sciences et Modélisation

Mention

Ingénierie Mathématique, Statistique et Economique

Specialité

Ingénierie statistique et fiabilité

Mutualisation

Master Ingénierie Mathématique, Statistique et Economique, Spécialité Ingénierie de la gestion quantitative des opérations et aide à la décision, Semestre 3.

Objectifs pédagogique

Introduction aux techniques d'apprentissage automatique.

Prérequis

Cours de probabilités et statistique type MSE2218 MSE2211 MSE2213

Programme détaillé

• Introduction à la classification de données
• Classification supervisée
  • Approche Bayésienne "naive"
  • Arbres de classification et de régression (Classification and Regression Tree, CART)
  • Régression logistique
  • Support Vector Machines (SVM)
  • Boosting
• Classification non supervisée
  • Modèles de mélange et algorithme EM (Expectation-Maximization)

Summary

• Introduction to classification
• Supervised classification
  • Naive Bayes classifier
  • Classification and Regression Tree (CART)
  • Logistic Regression
  • Support Vector Machines (SVM)
  • Boosting
• Unsupervised classification (Clustering)
  • Mixture Models and EM (Expectation-Maximization) algorithm

Références bibliographiques

• Pattern Recognition and Machine Learning. C. Bishop. Springer, 2006.
• The elements of statistical learning - Data mining, Inference and Prediction. T. Hastie, R. Tibshirani et J. Friedman. Springer Series in Statistics, 2001.

Equipe pédagogique

F. Caron (CR INRIA, http://www.math.u-bordeaux.fr/ fcaron/).

Volume horaire

10h de cours, 10h de TD machine.

Modalités de contrôle des connaissances

contrôle continu, mini-projet.