Descriptif
Ce cours a pour objectif d’introduire les fondements mathématiques et informatiques au cœur des méthodes d’analyse de données sur lesquelles se basent de nombreux systèmes d’intelligence artificielle modernes. Le but de cette introduction est triple, sensibiliser aux enjeux derrières les données à l’ère du numérique, comprendre les fondements scientifiques de l’apprentissage automatique et enfin être capable de mettre en œuvre une approche algorithmique et une réalisation informatique d’une solution répondant à des besoins métiers spécifiques. La notion d’IA sera abordée dans ce cours à travers le spectre des méthodes d’apprentissage automatique, en particulier dans un contexte d’apprentissage supervisé.
Objectifs pédagogiques
Contrairement aux études statistiques traditionnelles, l’apprentissage automatique est confronté à des problématiques de gestion de grand volume de données en grande dimensionnalité avec bien souvent une moindre maîtrise des processus de collecte de données et de ses propriétés statistiques. Ce cours s’attardera ainsi essentiellement sur les enjeux et problèmes liés aux données : données biaisées, manquantes, erronées, déséquilibrées ou encore confidentielles. Une bonne compréhension et gestion de ces problèmes est essentielle afin que les algorithmes qui les utilisent n’engendrent pas des problèmes de biais, d’équité, de sécurité ou encore de protection de la vie privée. Un cas d’étude complet sera étudié tout au long du cours allant de la collecte d’une base de données jusqu’à son utilisation par un algorithme d’apprentissage en passant par diverses étapes de prétraitements et d’analyses.
effectifs minimal / maximal:
150/250Diplôme(s) concerné(s)
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 1.5 ECTS
- Scientifique acquis : 1.5
Le coefficient de l'UE est : 1
La note obtenue rentre dans le calcul de votre GPA.
L'UE est évaluée par les étudiants.
Programme détaillé
- Introduction à l’apprentissage automatique
- Méthodes d’apprentissage supervisé
- Méthodes d’évaluation et métriques
- Théorie de l’apprentissage automatique
- Données imparfaites
- Confidentialité des données
- Ouverture vers l’apprentissage profond