Apprentissage

Présentation

Le but de ce cours est d'énoncer les principes de l'apprentissage automatique sur des données numériques et puis de présenter les méthodes principales utilisées. Après une présentation de la décision minimisant le risque bayésien, on exposera la différence entre les méthodes supervisées et les méthodes non supervisées, puis celle entre les méthodes paramétriques dans lesquelles un modèle est sous-jacent et dont il faut estimer les paramètres des méthodes. Dans un second temps, on présentera les principales méthodes supervisées : maximum de vraissemblance dans le cas gaussien, k-plus proche voisin, fonctions discriminantes et machine à vecteur de supports, réseau de neurones multi-couches, méthode de recuit simulé. Ce cours se terminera par la présentation des méthodes de classification non supervisées telles que les méthodes des nuées dynamiques et les algorithmes à chaînes

En bref

Crédits ECTS 5

Contact(s)

Composante