L'apprentissage machine est une discipline scientifique la conception et le développement d'algorithmes qui permettent aux ordinateurs d'apprendre à partir de données. est d'apprendre des schémas complexes automatiquement et de faire des décisions intelligentes fondées sur ces modèles.
Ce cours se concentre sur la méthodologie sous-jacent l'apprentissage supervisé eet non supervisé, en insistant particulièrement sur la formulation mathématiques des algorithmes et la façon dont ils peuvent être mis en oeuvre et utilisés en pratique. Nous allons donc décrire quelques outils indispensables issus de la théorie de l'optimisation et expliquer comment les utilisés pour l'apprentissage machine. Un aperçu sur les garentis théoriques, tels que les limites supérieurs sur l'erreur en généralisation, sera fourni lors du dernier cours.
La méthodologie sera la principale préoccupation des cours, tandis que certaines preuves seront réalisées pendant les PC. La pratique sera réalisé par le biais d'un défi.
- Responsable: Bianchi Pascal
- Responsable: El Mhamdi El Mahdi
- Responsable: Klein Thierry
- Responsable: Le Pennec Erwan
- Responsable: Philippenko Constantin