Unité pédagogique
Apprentissage statistique
Derniere édition le: 22/02/2024
Modifier
Responsable:
BATTON-HUBERT Mireille
Description générale :
Ce module propose les méthodes et outils mathématiques permettant d'appréhender la notion d'apprentissage avec modèle statistique pour la réduction (analyse factorielle), la régression (régression généralisée) et la classification (analyse discriminante, arbres de décision, boosting) dite supervisée. Ces notions seront abordées en théorie et en pratique sur des données réelles.
Mots-clés:
apprentissage supervisé
réduction de dimension
Analyse de données
classification
regression généralisée
Nombre d’heures à l’emploi du temps:
40
Domaine(s) ou champs disciplinaires:
Informatique, Systèmes d'information
Aménagement, Environnement
Mathématiques
Langue d’enseignement:
Français
Anglais
Objectifs d’apprentissage:
| A la fin de l’unité pédagogique, l’élève sera capable de : |
Niveau de taxonomie |
Priorité |
| Comprendre les différents modèles statistiques de l'apprentissage supervisé et non supervisé, ainsi que les méthodes de validation de ces modèles |
2. Comprendre |
Essentiel |
| Savoir reconnaitre la nature du problème posé et de mettre en oeuvre les modèles appropriés |
3. Appliquer |
Essentiel |
| Etre capable d'analyser et de faire une critique des résultats obtenus |
4. Analyser |
Essentiel |
| Faire un rapport professionnel, synthétisant les résultats obtenus |
6. Évaluer |
Important |
Modalités d’évaluation des apprentissages:
|
Part de l'évaluation individuelle
|
Part de l'évaluation collective
|
|
Examen sur table :
|
60
|
%
|
Livrable(s) de projet :
|
0
|
%
|
|
Examen oral individuel :
|
0
|
%
|
Exposé collectif :
|
0
|
%
|
|
Exposé individuel :
|
0
|
%
|
Exercice pratique collectif :
|
0
|
%
|
|
Exercice pratique individuel :
|
40
|
%
|
Rapport collectif :
|
0
|
%
|
|
Rapport individuel :
|
0
|
%
|
|
|
|
|
Autre(s) : 0 %
|
Programme et contenus:
| Type d’activité pédagogique : |
Contenu, séquencement et organisation |
| Cours |
Généralités : compromis
biais/variance, validation d’un modèle. |
| Cours |
Apprentissage non
supervise´ (en plus de l'UP Statistiques exploratoires et outils
mathématiques) : re`gles d’association.
En plus du cours
théorique, un TP (ou une étude de cas) sera réalisé. |
| Cours |
Apprentissage supervise´
pour l’approximation : me´thodes line´aires (re´gressions), re´seaux de
neurones, arbres, etc.
Application à une étude
de cas. |
| Cours |
Apprentissage supervise´
pour la classification : methodes lineaires (analyse discriminante,
regression logistique), methode des plus proches voisins, machines a
vecteur support (SVM).
Application à une étude
de cas |