Programme d’études 2020-2021English
Machine learning
Unité d’enseignement du programme de Bachelier en sciences informatiques à la Faculté des Sciences

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-B3-SCINFO-019-MUE ObligatoireBEN TAIEB SouhaibS861 - Big Data and Machine Learning
  • BEN TAIEB Souhaib

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Anglais, Français
Anglais, Français303000066.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-INFO-256Machine learning3030000Q2100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Maîtriser les fondements théoriques des sciences informatiques.
    • Montrer une compréhension et une connaissance profondes des concepts fondamentaux de l'informatique et des formalismes mathématiques utilisés dans le domaine de l'informatique.
    • Etre capable de résoudre des exercices et des problèmes informatiques en appliquant les connaissances de base dans les diverses disciplines de l'informatique.
    • Etre capable d'utiliser le vocabulaire et les raisonnements mathématiques adéquats pour formuler et résoudre des problèmes dans le domaine de l'informatique.
    • Pouvoir utiliser et combiner des connaissances issues de différentes disciplines pour résoudre des problèmes multidisciplinaires.
  • Gérer des projets informatiques.
    • Conduire un projet dans le respect du cahier des charges, des contraintes et des délais imposés.
    • Faire preuve d'autonomie et être capable de travailler en équipe.
  • Maîtriser les connaissances de base liées à la démarche scientifique.
    • Développer des capacités d'abstraction et de modélisation par le biais d'une approche conceptuelle et scientifique.
    • Conduire un raisonnement rigoureux s'appuyant sur des arguments scientifiques.
  • Maîtriser les bases de la communication.
    • Pouvoir communiquer des informations (tant à l'oral qu'à l'écrit) relatives au domaine des sciences informatiques de manière intelligible, claire et structurée.
    • Etre capable de communiquer, oralement ou par écrit, une argumentation scientifique cohérente et rigoureuse.
    • Avoir une bonne maîtrise de la langue et des techniques de communication.

Acquis d'apprentissage UE

L'objectif du cours est d'introduire des méthodes d'apprentissage statistique/automatique pour la modélisation prédictive 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 dimensionnalité.
 

Contenu de l'UE

Voir unique activité d'apprentissage.

Compétences préalables

Probabilité et statistique de base
Algèbre matricielle de base
Optimisation non-linéaire de base

Types d'évaluations Q2 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit
  • Exercice(s) coté(s)

Commentaire sur les évaluations Q2 de l'UE

Examen écrit (60% des points)
Présentation et travaux (20% des points)
Exercices cotés (20% des points)
Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Examen oral
  • Exercice(s) coté(s)

Commentaire sur les évaluations Q3 de l'UE

Examen oral (60% des points)
Présentation et travaux (20% des points)
Exercices cotés (20% des points)
Un échec dans l'une des activités d'apprentissage entraîne l'échec global de l'unité d'enseignement

Types d'activités

AATypes d'activités
S-INFO-256
  • Cours magistraux
  • Travaux pratiques

Mode d'enseignement

AAMode d'enseignement
S-INFO-256
  • Mixte

Supports principaux

AA
S-INFO-256

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-INFO-256Sans objet

Supports complémentaires

AA
S-INFO-256

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-INFO-256Sans objet

Autres références conseillées

AAAutres références conseillées
S-INFO-256Sans objet

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
S-INFO-256Autorisé
(*) 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
Date de génération : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be