Objectifs

L’analyse de données et la reconnaissance des formes ont pour but d’analyser et d’expliciter les concepts contenus dans des quantités importantes de données, issues de nombreuses sources. Ces méthodes ont des retombées applicatives sans cesse croissantes dans des domaines aussi divers que la vision par ordinateur, l’analyse du signal, la robotique, la médecine, la finance, le commerce électronique ou des applications militaires. Cet enseignement a donc pour objectif d’introduire les principes et techniques fondamentaux de l’analyse de données et de la reconnaissance de formes, et en particulier les approches descriptives (description automatique des concepts contenus dans les données), ainsi que les approches prédictives.

Programme

  • Analyses factorielles (ACP, AFC, ACM)
  • Classification non-supervisée (CAH, K-moyennes)
  • Modèles linéaires pour la régression
  • Régression logistique pour la classification
  • Problème de sur-apprentissage et la régularisation
  • Réseaux de neurones: représentation et apprentissage
  • Conseils et pratiques pour appliquer l'apprentissage automatique
  • Apprentissage par renforcement
Autonomie
14h
 
Cours
14h
 
TD
20h
 

Responsables

  • Emmanuel DELLANDREA

Langue

Mixte Anglais/Français

Mots-clés

Analyse de données, reconnaissance de formes, apprentissage automatique, classification, régression, réseaux de neurones, apprentissage supervisé, apprentissage non-supervisé, apprentissage par renforcement.