2I1AE2 | Fouille de données / Apprentissage | Informatique | S3 | ||||||
---|---|---|---|---|---|---|---|---|---|
Cours : 6 h | TD : 6 h | TP : 6 h | Projet : 0 h | Total : 18 h | |||||
Responsable : Christophe ROSENBERGER |
Pré-requis | |
---|---|
aucun | |
Objectifs de l'enseignement | |
L'élève ingénieur y apprend des algorithmes visant à extraire de la connaissance à partir d'un ensemble d'informations (fouille de données), reconnaître par des techniques d'apprentissage des classes d'objets (apprentissage statistique) ou à résoudre des problèmes de modélisation statistique par des techniques non conventionnelles (algorithmes évolutionnaires). | |
Programme détaillé | |
- Analyse statistique d'informations - Réseaux bayésiens - Raisonnement à base de cas - Les réseaux de neurones - L'apprentissage statistique - Les algorithmes évolutionnaires |
|
Applications (TD ou TP) | |
Reconnaissance de formes Optimisation non linéaire Extraction de connaissances |
|
Compétences acquises | |
connaissances en apprentissage statistique connaissances sur les algorithmes évolutionnaires |
|
Bibliographie | |
- Gérard Dreyfus , Gérard Dreyfus , Jean-Marc Martinez , Manuel Samuelides "Apprentissage statistique", Edition Eyrolles - Cornuéjols, A and Miclet L.: Apprentissage Artificiel. Concepts et algorithmes (2nd Ed.with revisions and additions - 2006 Eyrolles, 650 p - Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer (2006). |
© 2024 - ENSICAEN ( Mentions Légales - Crédits )