Apprentissage statistique : modélisation décisionnelle et apprentissage profond - RCP209

Ce cours présente une introduction à l'apprentissage à partir des données, notamment à travers les réseaux de neurones, les Machines à Vecteurs Supports (SVM) et les méthodes graphiques, en vue de leur utilisation dans des applications réelles. L'apprentissage automatique permet de construire, à partir des données empiriques, des modèles pour la prise de décision. Les méthodes abordées ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, la surveillance, la bio-ingénierie, la climatologie, la sécurité environnementale, la recherche d'information, etc.

Bases de l'apprentissage supervisé : qu'est-ce qu'un modèle décisionnel ? Évaluation et sélection de modèles. Arbres de décision et forêts d'arbres de décision ( random forest) . Machines à vecteurs de support (SVM) : discrimination, régression, estimation du support d'une distribution, ingénierie des noyaux. Réseaux de neurones artificiels : apprentissage de représentations apprentissage profond ( deep learning ) réseaux convolutifs réseaux récurrents Chaque séance de cours est suivie d'une séance de travaux pratiques (TP) permettant de mettre en œuvre les méthodes présentées. Les TP sont réalisés à l'aide du langage de programmation Python, en utilisant les bibliothèques logicielles Scikit-learn et Keras. Une introduction à Scikit-learn et à Keras est prévue lors des séances de TP.

Attestation de formation

Cet enseignement s adresse aux auditeurs et auditrices souhaitant se former a l apprentissage statistique, notamment a l apprentissage profond et aux reseaux de neurones artificiels. Prerequis : avoir un niveau equivalent licence en mathematiques (algebre lineaire, probabilites, statistiques, analyse) et en informatique (savoir programmer), Avoir suivi la premiere partie du cycle specialisation de l EICNAM ou avoir le niveau M1 (Bac + 4) est suffisant. Le langage de programmation utilise durant le cours est Python. Il est recommande d avoir suivi au prealable l UE RCP208 Apprentissage statistique : modelisation descriptive et introduction aux reseaux de neurones ou un enseignement equivalent comportant une presentation des methodes de base d analyse des donnees et de modelisation descriptive des donnees.