Informations du cours

• DATA832
• INFO831

Ce module s'inscrit dans la continuité des modules DATA832 et INFO831 dans lesquels le B.A.-ba de la science des données a été présenté à travers les différents paradigmes de l'apprentissage automatique et de la statistique exploratoire et expérimenté avec la machinerie algorithmique de base, mettant en évidence les limites des outils basiques de modélisation. Un ensemble de méthodes avancées, étendant les fondamentaux de l'apprentissage, est présenté dans ce module. Chacune des approches permet d'améliorer le processus d'apprentissage en se focalisant sur un aspect particulier, par exemple la réduction de la variance des décisions, le traitement de problèmes non linéaires, ou encore l'apprentissage à partir d'un très grand nombre d'exemples et l'extraction automatique de caractéristiques. A une présentation conceptuelle des différentes méthodes, sera associée une réflexion sur leur implémentation et une expérimentation basée sur des cas concrets de recherche et développement.

Contents

• ensemble methods (bagging, random forests, boosting)
• vector support machines, kernel methods
• deep learning
• renforcement methods
• time series, sequential patterns