 | Programme d’études 2021-2022 | English | |
| Machine Learning I | |||
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 | 30 | 0 | 0 | 0 | Q2 |
Contenu de l'AA
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.
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
Sans objet
Mode d'enseignement
- Mixte
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