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.
effectifs minimal / maximal:
/144Diplôme(s) concerné(s)
- Programmes d'échange internationaux
- M1 Data AI - Data and Artificial Intelligence
- M1 Physique
- M1 Mathématiques Jacques Hadamard
- Non Diplomant
- M1 Innovation, Entreprise et Société
- MScT-Internet of Things : Innovation and Management Program (IoT)
- MScT-Artificial Intelligence and Advanced Visual Computing
- Titre d’Ingénieur diplômé de l’École polytechnique
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade réduitPour 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 Programmes d'échange internationaux
Vos modalités d'acquisition :
- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme M1 Mathématiques Jacques Hadamard
Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing
Le rattrapage est autorisé (Note de rattrapage conservée)- 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)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)
Le rattrapage est autorisé (Note de rattrapage conservée)- 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)- Crédits ECTS acquis : 5 ECTS
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 Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.