Fundamentals of machine learning

Course Features

Course Details

Fundamentals of machine learning GIN4ML1
Enseignant:
Email:
Durée totale du cours: 22.5 H
Option concernée :
Ingénierie logicielle  Nombre de crédits : 2
Ingénierie des connaissances Nombre de crédits 3
Semestre : 4
Modules spécialisés Modules de base Sciences et techniques de l'ingénierie Préparation à la carrière professionnelle
X
 
Nombre dheures Activités hors classe
22.5 18
 
Code : GINML1 FUNDAMENTALS OF MACHINE LEARNING  
Volume Horaire   : 01h:30 Cours intégrés + 0 hTravaux pratiques (par semaine)

Objectif du module :

Ce cours offre une introduction à l'apprentissage automatique pour ceux qui s'intéressent à la science et à la technologie de l'intelligence artificielle (IA). Il fournit le contexte et la théorie pour la construction de systèmes artificiels fondamentaux capables de traiter une variété de données et d'analyser leurs informations sémantiques d'intérêt. Ceci est mis en œuvre par divers algorithmes d'apprentissage fondamentaux qui seront discutés et démontrés d'une manière facile à aborder.

Contenu du  cours

Le contenu indicatif comprend les éléments suivants : Introduction à l'apprentissage automatique
  • Algèbre linéaire
  • Méthodes de régression et régression logistique
  • Soutenir les machines vectorielles
  • Modèles d'apprentissage automatique basés sur des arbres
  • Clustering et réduction de la dimensionnalité
  • Les réseaux de neurones
  • Techniques d'évaluation
  • Apprentissage automatique à grande échelle
  • Conception de système d'apprentissage automatique

Méthodes d'enseignement / d'apprentissage

La stratégie d’apprentissage et d’enseignement est conçue pour atteindre les objectifs suivants :
  • Introduire les idées de base de l'apprentissage automatique pour mettre en place une solide compréhension des algorithmes d'apprentissage fondamentaux
  • Introduire les connaissances mathématiques nécessaires à l'apprentissage automatique telles que l'algèbre linéaire
  • Apprendre à analyser le problème d'un point de vue mathématique et identifier le meilleur paradigme d'apprentissage automatique qui peut être utilisé pour construire des solutions possibles
  • Acquérir des compétences de base en programmation et comprendre les outils logiciels, les environnements de développement, les bibliothèques et les composants réutilisables tels que les bibliothèques Python
  • Acquérir des compétences d'application de méthodes d'apprentissage automatique et d'utilisation de logiciels informatiques (Python) pour résoudre des problèmes représentatifs
  • Les compétences impliquent l'identification et l'analyse des problèmes en fonction de certaines connaissances du domaine et le développement de solutions logicielles pour résoudre les problèmes.
Les méthodes d'apprentissage et d'enseignement  comprennent les éléments suivants.
  • Conférences et présentation de nouveau matériel aux étudiants avec discussion en classe associée
  • Séances de laboratoire au cours desquelles les étudiants auront l'occasion de développer leurs compétences en programmation et l'utilisation de bibliothèques pour résoudre des problèmes
  • Une mission de codage basée sur Python avec un rapport écrit associé.
  • Cours de révision programmés qui démontrent les principes de la théorie dans des exemples concrets quantitatifs et préparent les étudiants à l'examen écrit.
 
  • Enseignement frontal (magistral) avec des exemples à résoudre en
  • Exercices théoriques et études de cas (présentation et discussion).
  • Travaux pratiques (laboratoire)
  • Travaux à faire à domicile (mini-projet, exposé, compte-rendu, …)

Connaissances et compétences pré-requises

  • Aucun

Références bibliographiques

Modalité d’évaluation

  • 40% Contrôle continu (TP noté, Test, Assiduité, Devoir surveillé, travaux non présentiel, …)
  • 60% Examen
La  stratégie d'évaluation pour ce module est conçue pour fournir aux étudiants la possibilité de démontrer ce qui suit :
  • connaissance des concepts d'apprentissage automatique, y compris pourquoi l'apprentissage automatique est nécessaire et pour quels types de circonstances. Connaissance des paradigmes fondamentaux d'apprentissage automatique et des algorithmes d'apprentissage représentatifs, y compris leur champ d'application et les hypothèses sous-jacentes.
  • Compétences pour identifier les paradigmes d'apprentissage automatique appropriés pour un problème donné dans un domaine spécifique. Connaissance de la conception de systèmes d'apprentissage automatique, y compris comment obtenir des performances optimales et comment traiter des données à grande échelle.
  • Aptitudes à appliquer des méthodes d'apprentissage automatique, des modèles mathématiques et informatiques et à utiliser des logiciels informatiques (Python) pour résoudre des problèmes cibles.
  • Compétences en programmation et compréhension des outils logiciels, des environnements de développement, des bibliothèques et des composants réutilisables (tels que les workflows Python). Évaluation en laboratoire : connaissances et compétences pratiques sur la façon de mettre en œuvre des systèmes d'apprentissage automatique de base basés sur une compréhension des connaissances pertinentes fournies dans les cours magistraux.
  • Compétences pour identifier et analyser les problèmes et développer des solutions logicielles pour résoudre les problèmes. Évalué par des exercices de laboratoire.Ainsi, l’évaluation sommativepour ce module se compose des éléments suivants : cours 40 %, examen 60 %. L'examen consiste en une épreuve écrite. Il y a plusieurs questions chacune provenant de différents domaines du cours. Certaines questions peuvent chacune consister en quelques sous-questions pour tester les connaissances, les compétences analytiques et de conception. Les évaluations de cours consistent à utiliser le langage de programmation Python pour effectuer une expérience soigneusement conçue, avec un rapport résumant les résultats. Le but du cours est que les étudiants appliquent pratiquement les connaissances théoriques acquises lors des cours magistraux à des applications réelles. Évaluation formative et rétroaction Pour le module, les étudiants recevront une évaluation formative / des commentaires des manières suivantes. · Pendant les cours magistraux, par des séances de questions-réponses · Pendant les séances de laboratoire informatique supervisées

Résultat d'apprentissage :

À la fin du cours, vous devriez être capable de :
001 Être capable de démontrer une compréhension des principes d'apprentissage automatique et de la théorie sous-jacente à ceux-ci KC
002 Être capable de choisir une méthode d'apprentissage automatique appropriée pour un problème cible donné à résoudre et de prédire le résultat de la solution appliquée KCT
003 Être capable de formuler des problèmes d'un domaine spécifique de manière mathématique et de les résoudre pour atteindre l'optimalité des performances KCT
004 Être capable d'analyser certains problèmes non triviaux dans des applications du monde réel, de comprendre les concepts qui les sous-tendent et de proposer des solutions algorithmiques possibles. CP
Attributs développés C - Cognitif/analytique K - Connaissance du sujet T - Compétences transférables P - Compétences professionnelles/pratiques
  • Capacités numériques: en initiant les étudiants aux serveurs de calcul haute performance nécessaires pour compléter les cours ; en enrichissant leurs compétences en programmation pour la discipline IA via Python et les différentes bibliothèques de deep learning
  • Employabilité: en enseignant aux étudiants des compétences pratiques d'apprentissage en profondeur, qui sont les compétences les plus appréciées dans l'apprentissage automatique moderne, par exemple en explorant un composant qui répond à des problèmes industriels spécifiques
  • Capacités globales et culturelles: en étudiant des sujets liés à l'éthique autour de la vision par ordinateur ; en enseignant des techniques d'apprentissage automatique autour du biais de données et de l'adaptation de domaine, qui est la pierre angulaire du déploiement de solutions ML dans plusieurs cultures et à l'échelle mondiale.
This course does not have any sections.

More Courses by this Instructor


Proud of NASCAR and its supporters and fans. They won put up with disrespecting our Country or our Flag they said it loud and clear! words Friday and Saturday sparked a massive show of defiance Sunday as more than 200 NFL players protested by choosing not to stand for the national anthem. Many coaches locked arms with the players. Goal was to provide cheap china jerseys open dialogue and communication. We listened to one another. We believe it the best way to work through any issue we are facing, on and off the field, owners Terry and Kim Pegula said in a statement distributed by the Bills. Trump remarks were divisive and disrespectful to the entire NFL community, but we tried to use them as an opportunity to further unify our team and our organization. Our players have the freedom to express themselves in a respectful and thoughtful manner and we all agreed that our sole message is to provide and to promote an environment that is focused on love and equality. "Within hours, cheap jerseys certainly, and probably less, the Ranger regiment officers, high ranking officers back in the States were conspiring to cover this up," Krakauer says. military's highest honors, immediately began moving through the Army ranks something that is not done cheap nfl jerseys for deaths by friendly fire, Krakauer says. 'Prairie niggers' is an insult. Those are very upsetting to our kids. But 'Redskins' is an honorable name we wear with pride. He wondered how to tell the Willpinit Redskins the "name they wear proudly across their chests is insulting them. Because they have no idea.". According to the "Princeton Review," there are no prerequisites for sports management positions, but most general managers in the NFL have similar backgrounds as former scouts, accountants or athletes.Start in SchoolGMs in the NFL must have a passion for the game. They typically have experience either playing or coaching football. "This pro football has been personally hand cheap china jerseys signed by Hall of Fame defensive tackle Joe Greene with the inscription ""HOF 87"". This product is officially licensed by the National Football League and comes with an individually numbered; tamper evident hologram from Mounted Memories. To ensure authenticity, the hologram can be reviewed online. This oakley sunglasses sale process helps to ensure that the product purchased is authentic and eliminates any possibility of duplication or Retro Jordans fraud. " Setting Point Spreads, OddsOddsmakers do more than predict the outcome of games. They weigh myriad factors to determine which team is favored by how many points. In individual sports or group events, they set odds on which individual or team is most likely to win. They set odds that spread the betting encouraging bets on the underdogs and discouraging bets on heavy favorites. Their goal is to create higher betting volume and more wins than losses for the sports cheap jerseys book.
Need Help? Chat with us