v2.11.0 (5648)

Programme d'approfondissement - MAP553 : Bases de l'Apprentissage Automatique

Domaine > Mathématiques appliquées.

Descriptif

L'apprentissage machine est une discipline scientifique la conception et le développement d'algorithmes qui permettent aux ordinateurs d'apprendre à partir de données. est d'apprendre des schémas complexes automatiquement et de faire des décisions intelligentes fondées sur ces modèles.

Ce cours se concentre sur la méthodologie sous-jacent l'apprentissage supervisé eet non supervisé, en insistant particulièrement sur la formulation mathématiques des algorithmes et la façon dont ils peuvent être mis en oeuvre et utilisés en pratique. Nous allons donc décrire quelques outils indispensables issus de la théorie de l'optimisation et expliquer comment les utilisés pour l'apprentissage machine. Un aperçu sur les garentis théoriques, tels que les limites supérieurs sur l'erreur en généralisation, sera fourni lors du dernier cours.

La méthodologie sera la principale préoccupation des cours, tandis que certaines preuves seront réalisées pendant les PC. La pratique sera réalisé par le biais d'un défi.

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M1 Innovation, Entreprise et Société

L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 5 ECTS

Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C
    • Crédits ECTS acquis : 5 ECTS

    La note obtenue rentre dans le calcul de votre GPA.

    Pour les étudiants du diplôme Non Diplomant

    L'UE est acquise si note finale transposée >=
    • Crédits ECTS acquis : 5 ECTS

    Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)

    Le rattrapage est autorisé (Note de rattrapage conservée)
      L'UE est acquise si note finale transposée >= C
      • Crédits ECTS acquis : 4 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 5 ECTS

        Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing

        Le rattrapage est autorisé (Note de rattrapage conservée)
          L'UE est acquise si note finale transposée >= C
          • Crédits ECTS acquis : 4 ECTS

          La note obtenue rentre dans le calcul de votre GPA.

          Pour les étudiants du diplôme M1 Physique

          Le rattrapage est autorisé (Note de rattrapage conservée)
            L'UE est acquise si note finale transposée >= C
            • Crédits ECTS acquis : 5 ECTS

            La note obtenue rentre dans le calcul de votre GPA.

            Pour les étudiants du diplôme M1 Mathématiques Jacques Hadamard

            Pour les étudiants du diplôme Programmes d'échange internationaux

            Vos modalités d'acquisition :

            ● Sans document
            Le rattrapage est autorisé (Note de rattrapage conservée)
              L'UE est acquise si note finale transposée >= C
              • Crédits ECTS acquis : 5 ECTS
              Veuillez patienter