 | Programme d’études 2019-2020 | English | |
| Machine learning | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
|---|---|---|---|---|
| S-INFO-256 |
|
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
|---|---|---|---|---|---|---|---|
| Anglais, Français | Anglais, Français | 30 | 15 | 0 | 0 | 0 | Q2 |
| Modalités d'organisation des évaluations à distance de fin de Q3 2019-2020 (Covid-19) |
|---|
|
| Description des modalités d'évaluation à distance de fin de Q3 2019-2020 (Covid-19) |
| L'examen sera oral et à cahier ouvert. Il portera sur l'ensemble de la matière vue au cours en présentiel et à distance. L'examen comportera des questions théoriques et des exercices (à préparer). La note globale combinera les différentes évaluations avec la pondération suivante : examen oral (60% des points), projet (20% des points) et exercices cotés (20% des points). Un échec à l'examen oral (note inférieure à 50%) entraîne l'échec global de l'unité d'enseignement. |
Contenu de l'AA
L'objectif du cours est d'introduire des méthodes d'apprentissage statistique/automatique pour l'analyse et la modélisation de grandes quantités de données. Le cours couvre notamment des méthodes linéaires et non-linéaires pour la régression, la classification, le clustering et la réduction de dimension.
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
Sans objet
Mode d'enseignement
- Face à face
Types d'activités
- Cours magistraux
- Travaux pratiques
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre