Niveau d'étude
BAC +3
Composante
UFR Sciences et Techniques
Description
Ce cours vise à acquérir les concepts théoriques fondamentaux de l’apprentissage automatique, en particulier dans le cadre de la théorie bayésienne de la décision et de la théorie de la décision avec coûts
Objectifs
Maîtriser les fondements théoriques de l’apprentissage automatique dans le cadre de la théorie bayésienne de la décision et de la théorie de la décision avec coûts, comprendre les différences entre estimation paramétrique et non paramétrique en apprentissage, maîtriser la construction d’un classifieur bayésien paramétrique et non paramétrique à partir de données.
Pré-requis obligatoires
Algèbre linéaire
Probabilités et statistiques de base
Contrôle des connaissances
Contrôle Continu
Compétences visées
Variables aléatoires mono et multidimensionnelles
Estimateur du maximum de vraisemblance
Théorie bayésienne de la décision et théorie de la décision avec coûts
Classifieurs paramétriques: estimation de gaussiennes
Classifieurs non paramétriques: estimateur de Parzen