Text size
Line height
Text spacing
À propos du cours
Ce cours vise à faire découvrir et appliquer les fondements du domaine de l’intelligence artificielle et plus particulièrement de l’apprentissage automatique par ordinateur.
Les étudiant·es seront amené·es progressivement à acquérir des compétences pratiques en matière de modélisation d’un problème d’apprentissage par ordinateur et de conception d’une solution, d’analyse des données d’entrainement et d’interprétation de résultats et modèles produits.
Ce que vous apprendrez
- Prétraitement : biais, augmentation de données, sélection de caractéristiques (feature selection), normalisation
- Formalisation : régression, classification, fonction d’erreur (loss function)
- Supervision : supervisé, non-supervisé, faiblement supervisé, apprentissage par imitation
- Modèle d’apprentissage : support vector machine (SVM), random forest, neural networks
- Optimisation : stochastique, descente de gradient
- Évaluation: métrique, ROC curve, precision, recall
Enseignant·es
Options d’inscription
24-25 / 301.1 - Machine learning and AI 24-25 / 301.1 - ML_AI
- Donné en : 3ème année
- Périodes hebdomadaires : 20
- Semestre: Automne
Ce cours vise à faire découvrir et appliquer les fondements du domaine de l’intelligence artificielle et plus particulièrement de l’apprentissage automatique par ordinateur.
Les étudiant·es seront amené·es progressivement à acquérir des compétences pratiques en matière de modélisation d’un problème d’apprentissage par ordinateur et de conception d’une solution, d’analyse des données d’entrainement et d’interprétation de résultats et modèles produits.
- Enseignant: Davide Calvaresi
- Enseignant: Francesco Carrino
- Enseignant: Louis Lettry
- Enseignant: Grégory Mermoud
- Enseignant: Émilie Neveu
- Enseignant: Cédric Travelletti
Les visiteurs anonymes ne peuvent pas accéder à ce cours. Veuillez vous connecter.
- Donné en : 3ème année
- Périodes hebdomadaires : 20
- Semestre: Automne
Modalités proposées
Devoirs
Forums
Ressources
Tests