 | Programme d’études 2022-2023 | English | |
 | Machine Learning II | ||
Unité d’enseignement du programme de Master en sciences informatiques (MONS) (Horaire jour) à la Faculté des Sciences |
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCINFO-058-M | UE optionnelle | BEN TAIEB Souhaib | S861 - Big Data and Machine Learning |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Anglais | 30 | 30 | 0 | 0 | 0 | 6 | 6.00 | 2e quadrimestre |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| S-INFO-075 | Machine Learning II | 30 | 30 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Gérer des travaux de recherche, de développement ou d'innovation
- -Etre capable d'appréhender une problématique inédite relevant des sciences informatiques et de ses applications
- Maîtriser les techniques de communication
- -Pouvoir communiquer de façon claire, structurée et argumentée, tant à l'oral qu'à l'écrit, ses conclusions, ses propositions originales ainsi que les connaissances et principes sous-jacents
- Développer et intégrer un fort degré d'autonomie
- -Etre capable d'acquérir seul de nouveaux savoirs
- Appliquer une méthodologie scientifique
- -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
Acquis d'apprentissage de l'UE
Voir l'unique activité d'apprentissage.
Contenu de l'UE : descriptif et cohérence pédagogique
Ce cours faisant suite au premier cours de machine learning, il a pour but de compléter et d'approfondir les connaissances en apprentissage automatique et en analyse de données.
Compétences préalables
Avoir suivi avec succès le cours "Machine learning I".
Types d'activités
| AA | Types d'activités |
|---|---|
| S-INFO-075 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-INFO-075 |
|
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-INFO-075 | Sans objet |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-INFO-075 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-INFO-075 | Sans objet |
Reports des notes d'AA d'une année à l'autre
| AA | Reports des notes d'AA d'une année à l'autre |
|---|---|
| S-INFO-075 | Non autorisé |
Evaluation du quadrimestre 2 (Q2) - type
| AA | Type(s) et mode(s) d'évaluation Q2 |
|---|---|
| S-INFO-075 |
|
Evaluation du quadrimestre 2 (Q2) - commentaire
| AA | Commentaire sur l'évaluation Q2 |
|---|---|
| S-INFO-075 | Examen oral à livre fermé (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 |
Evaluation du quadrimestre 3 (Q3) - type
| AA | Type(s) et mode(s) d'évaluation du Q3 |
|---|---|
| S-INFO-075 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
| AA | Commentaire sur l'évaluation Q3 |
|---|---|
| S-INFO-075 | Examen oral à livre fermé (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 |