![]() | Programme d’études 2023-2024 | English | |
![]() | Advanced and Streaming AI | ||
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-060-M | UE optionnelle | SIEBERT Xavier | F151 - Mathématique et Recherche opérationnelle |
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
---|---|---|---|---|---|---|---|---|---|
| Anglais, Français | 30 | 30 | 0 | 0 | 0 | 5 | 5.00 | 1er quadrimestre |
Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
---|---|---|---|---|---|---|---|---|
I-MARO-202 | Advanced Machine Learning | 24 | 24 | 0 | 0 | 0 | Q1 | 80.00% |
I-ILIA-202 | Advanced Deep Learning | 6 | 6 | 0 | 0 | 0 | Q1 | 20.00% |
Unité d'enseignement |
---|
Objectifs par rapport aux acquis d'apprentissage du programme
Acquis d'apprentissage de l'UE
Se familiariser avec les techniques contemporaines en analyse des données et en intelligence artificielle (apprentissage actif, apprentissage par renforcement, réseaux de neurones profonds). Etudier ces méthodes dans le cadre de la théorie de l'apprentissage statistique.
Contenu de l'UE : descriptif et cohérence pédagogique
apprentissage actif, apprentissage par renforcement, réseaux de neurones profonds, théorie de l'apprentissage statistique.
Compétences préalables
bases en machine learning, programmation python
Types d'activités
AA | Types d'activités |
---|---|
I-MARO-202 |
|
I-ILIA-202 |
|
Mode d'enseignement
AA | Mode d'enseignement |
---|---|
I-MARO-202 |
|
I-ILIA-202 |
|
Supports principaux non reproductibles
AA | Supports principaux non reproductibles |
---|---|
I-MARO-202 | Sans objet |
I-ILIA-202 | Sans objet |
Supports complémentaires non reproductibles
AA | Support complémentaires non reproductibles |
---|---|
I-MARO-202 | Sans objet |
I-ILIA-202 | Sans objet |
Autres références conseillées
AA | Autres références conseillées |
---|---|
I-MARO-202 | Sans objet |
I-ILIA-202 | 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 |
---|---|
I-MARO-202 | Non autorisé |
I-ILIA-202 | Non autorisé |
Evaluation du quadrimestre 1 (Q1) - type
AA | Type(s) et mode(s) d'évaluation du Q1 |
---|---|
I-MARO-202 |
|
I-ILIA-202 |
|
Evaluation du quadrimestre 1 (Q1) - commentaire
AA | Commentaire sur l'évaluation Q1 |
---|---|
I-MARO-202 | Épreuve théorique et présentation d'un projet sur logiciel |
I-ILIA-202 | Présentation d'une solution répondant à un problème de IA traitant des données énergétiques à l'aide des réseaux de neurones profonds : MLP, CNN, RNN, LSTM, Transformers, etc.#newline# |
Evaluation de l'épreuve de rattrapage du quadrimestre 1 (Q1) pour B1BA - type
AA | Type(s) et mode(s) d'évaluation rattrapage Q1(BAB1) |
---|---|
I-MARO-202 |
|
I-ILIA-202 |
|
Evaluation du quadrimestre 3 (Q3) - type
AA | Type(s) et mode(s) d'évaluation du Q3 |
---|---|
I-MARO-202 |
|
I-ILIA-202 |
|
Evaluation du quadrimestre 3 (Q3) - commentaire
AA | Commentaire sur l'évaluation Q3 |
---|---|
I-MARO-202 | idem Q1 |
I-ILIA-202 | Idem Q1 |