Description détaillée du module A2DI (M2 Informatique de l’UdL, spécialité MOCAD)

back

Cette unité est enseignée en M2 MOCAD sous l’acronyme A2DI (Apprentissage Artificiel et Décision dans l’Incertain). L’objectif est de former des étudiants compétent en sciences des données, qui comprennent le fonctionnement interne et la logique de l’apprentissage artificiel. Cet atout est indispensable pour savoir s’orienter parmi la tout l’arsenal d’algorithmes disponibles dans les librairies ainsi que pour savoir comment paramétrer correctement ces mêmes algorithmes.

Dans cette UE, nous abordons l’apprentissage supervisé (k-ppv, régression logistique, gradient stochastique, réseaux de neurones, classifieur naïf Bayésien, régression polynomiale), l’apprentissage non-supervisé (k-means, spectral clustering) et l’apprentissage par renforcement (Markov Decision Process, équations de Bellman, programmation dynamique, Q-learning). Nous abordons aussi les notions de régularisation, réduction de dimensions et de dimension de Vapnik-Chervonenkis.

Chapitres du cours

  1. Généralités et Contexte PDF
  2. Proba./Stat. PDF
  3. Théorie de l’Apprentissage (une introduction) PDF
  4. Théorie de la Décision PDF
  5. Apprentissage Statistique PDF
  6. Régression Logistique PDF
  7. Réseaux de Neurones PDF
  8. Prétraitements PDF
  9. Apprentissage par Renforcement : Modélisation PDF
  10. Apprentissage de politique PDF
  11. Apprentissage de politique par épisodes PDF