Apprentissage, Réseaux de neurones et Modèles graphiques par AGCNAM NOUVELLE AQUITAINE

Les thèmes abordés dans les séances de cours et de travaux pratiques (TP) sont :
Apprentissage supervisé : discrimination, régression, prédiction structurée. Evaluation et sélection de modèles. Arbres de décision et forêts d'arbres de décision (random forest). Machines à vecteurs de support (SVM) : discrimination, régression, estimation du support d'une distribution, ingénierie des noyaux. Apprentissage de représentations, apprentissage profond (deep learning). Modèles graphiques, apprentissage structuré.
Chaque séance de cours est suivie d'une séance de TP permettant de mettre en oeuvre les méthodes présentées.
Les TP sont réalisés en utilisant les plateformes Scikit
- learn et Keras. Une introduction à Scikit
- learn et à Keras est prévue lors des séances de TP.

Ce cours présente des méthodes de modélisation à partir des données, notamment à travers les machines à vecteurs supports (SVM), les réseaux de neurones profonds, et la prédiction structurée, en vue de leur utilisation dans des applications réelles.
L'apprentissage automatique permet de construire, à partir des données empiriques, des modèles pour la prise de décision. Les méthodes abordées ont de très nombreuses applications dans des domaines aussi divers que l'assurance qualité, la bio
- ingénierie, la climatologie, la sécurité environnementale, le marketing, la gestion de la relation client, la recherche d'information, etc.