Data - semestre d'approfondissement

Données Générales
Programme Académique	Formation ECAM LaSalle Ingénieur Arts & Métiers			:
Type d'EC	Cours (LIIAem08SappEData)
Cours : 16h00 Durée totale : 24h00	Statut : Choix entre activités	Période : SEMESTRE APPROFONDISSEMENT	Langue d'enseignement : Français

Acquis d'apprentissage
La thématique du cours DATA de la coloration numérique est le machine learning. L'objectif est de comprendre les enjeux et les concepts initiaux de l'apprentissage automatique. Compétences : - Comprendre les définitions conceptuelles - Comprendre les définitions mathématiques - Mettre en œuvre ces définitions sur les exemples simples - Mettre en œuvre sur un exemple complexe - Analyser les résultats et proposer des améliorations - Travailler en équipe

Acquis d'apprentissage

La thématique du cours DATA de la coloration numérique est le machine learning.
L'objectif est de comprendre les enjeux et les concepts initiaux de l'apprentissage automatique.
Compétences :
- Comprendre les définitions conceptuelles
- Comprendre les définitions mathématiques
- Mettre en œuvre ces définitions sur les exemples simples
- Mettre en œuvre sur un exemple complexe
- Analyser les résultats et proposer des améliorations
- Travailler en équipe

Contenu
Chaque thématique proposera un cours d'introduction o Machine Learning : contexte, concepts mathématiques, mise en œuvre o Modélisation : contexte, outils et diagrammes o Business Intelligence : contexte, outils, analyse La seconde partie du cours permettra de mettre en œuvre dans le cadre de la réalisation un projet. Le plan su cours est le suivant : - Régression linéaire et Descente de Gradient - Régression logistique - Data : base de d'apprentissage vs base de test - Sur et sous apprentissage - Meta paramètres - Perceptron - Réseaux de neurones Le cours sera agrémenté de nombreux exercices. La seconde partie du cours est réalisée sous forme de projet dont l'objectif est de mettre en œuvre les notions vues dans la première partie. Il s'agit de réaliser un processus d'apprentissage automatique sur une base réelle et d'étudier les pistes d'amélioration.

Contenu

Chaque thématique proposera un cours d'introduction
o Machine Learning : contexte, concepts mathématiques, mise en œuvre
o Modélisation : contexte, outils et diagrammes
o Business Intelligence : contexte, outils, analyse
La seconde partie du cours permettra de mettre en œuvre dans le cadre de la réalisation un projet.

Le plan su cours est le suivant :
- Régression linéaire et Descente de Gradient
- Régression logistique
- Data : base de d'apprentissage vs base de test
- Sur et sous apprentissage
- Meta paramètres
- Perceptron
- Réseaux de neurones
Le cours sera agrémenté de nombreux exercices.

La seconde partie du cours est réalisée sous forme de projet dont l'objectif est de mettre en œuvre les notions vues dans la première partie. Il s'agit de réaliser un processus d'apprentissage automatique sur une base réelle et d'étudier les pistes d'amélioration.

Prérequis / corequis
- Notions de base de l'algorithmique. - Notions de base de Python

Bibliographie
Cours de Apprentissage automatique - Andrew Ng - Coursera - Stanford - 2021. Online : https://fr.coursera.org/learn/machine-learning Vidéos 3Blue1Brown series - Saison 3 - 2021 : Online ; https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi Deep Learning With Python, François Chollet, Edition Manning, 2022

Évaluation(s)
N°	Nature	Coefficient	Objectifs
1	Projet	1
2		Contrôle continu