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.
Machine learning is a scientific discipline that is concerned with the design and development of algorithms that allow computers to learn from data. A major focus of machine learning is to automatically learn complex patterns and to make intelligent decisions based on them.
This course focuses on the methodology underlying supervised and unsupervised learning, with a particular emphasis on the mathematical formulation of algorithms, and the way they can be implemented and used in practice. We will therefore describe some necessary tools from optimization theory, and explain how to use them for machine learning.
Proofs will not be made during the lectures: some will be made during the labs others could be found in a document. Finally, each lab will finish with a numerical lab in Python
Validation
- A Kaggle challenge (10 points)
- A final exam (10 points)
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)
- MScT-Internet of Things : Innovation and Management Program (IoT)
- M1 MJH - Mathématiques Jacques Hadamard
- Programmes d'échange internationaux
- M1 IES - Innovation, Entreprise et Société
- Non Diplomant
- 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 IES - Innovation, Entreprise et Société
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Non Diplomant
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 4 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme MScT-Artificial Intelligence and Advanced Visual Computing
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 4.5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M1 MJH - Mathématiques Jacques Hadamard
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme Programmes d'échange internationaux
Vos modalités d'acquisition :
- Examen final (10 pt)
- Défi Kaggle (10 pt)
- Crédits ECTS acquis : 5 ECTS