Aller au menu Aller au contenu
Une formation ambitieuse
Ecole de référence pour la formation d'ingénieurs en génie industriel
Une formation ambitieuse

> Formation > Cursus ingénieur

Apprentissage automatique - 4GMC14B1

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In
  • Volumes horaires

    • CM : 7.5
    • TD : 7.5
    • TP : -
    • Projet : -
    • Stage : -
    • DS : 1.0
    Crédits ECTS : 1.5

Objectifs

Le cours présente les premiers outils de traitement des données quantitatives et qualitatives par apprentissage automatique.
Les étudiants apprendront à manipuler les données afin de les préparer à l'analyse.
Les méthodes d'analyse qui seront apprises permettent la classification automatique ; la construction de modèles prédictifs ; l'évaluation des performances des méthodes ; le diagnostic des limites des applications de ces méthodes.

Contenu

.1 Enjeux de la classification automatique
méthodes supervisées vs méthodes non supervisées ; quelques méthodes non supervisées (k-means, dendrogrammes).
.2 Panorama des méthodes supervisées
arbre de décision, bayésien naïf, logistique, SVM, neurones, règles de décision….
Mettre en œuvre et se questionner sur les qualités et défauts de chaque méthode.
.3 Évaluation des méthodes.
Critères de performances (qualité vs complexité ; prédictions/boîtes noires vs savoirs/boîtes blanches)
validation croisée (de prédictions, de paramètres…).
.4 Intérêts et limites
Biais de sélection des données, biais de confirmation des modèles (cf C. O’Donnell), etc.
Micro-travailleurs du clics (AmazonTurk, modérateurs FB, “espions” apple, etc).

Prérequis

Les étudiants auront suivi et validé les cours suivants : Probabilité et statistiques ; Programmation avec R, Programmation avec Python.

Contrôles des connaissances

Cette pondération est compatible avec une organisation des enseignements et des examens en distanciel

Au moins 2 notes de TP ou contrôle continu: TP1 et TP2
Une note d'examen individuelle : E1

Note = 0.4*((TP1+TP2)/2) + 0.6 * E1

Cette pondération est compatible avec une organisation des enseignements et des examens en distanciel

Au moins 2 notes de TP ou contrôle continu: TP1 et TP2
Une note d'examen : E1

Note = 0.4*((TP1+TP2)/2) + 0.6 * E1

Calendrier

Le cours est programmé dans ces filières :

  • Cursus ingénieur - Ingénieur ICL - Semestre 7
  • Cursus ingénieur - Ingénieur IdP - Semestre 7
cf. l'emploi du temps 2021/2022

Informations complémentaires

Code de l'enseignement : 4GMC14B1
Langue(s) d'enseignement : FR

Vous pouvez retrouver ce cours dans la liste de tous les cours.

Bibliographie

J.H. McDonald, (2009), Handbook of Biological Statistics, Sparky House Publishing.
I.H. Witten et E. Frank, (2005), DataMining – Practical machine learning tools and technics, Elsevier.
Stéphane Tufféry, (2005), Datamining et statistique Décisionnelle – L’intelligence dans les bases de données, Ed. Technip.
Cornillon et al., (2008), Statistiques avec R, Presses Universitaires de Rennes.
Gaël Millot, (2011), Comprendre et réaliser les tests statistiques à l'aide de R, 2ème édition, Editions De Boeck, 767 pages
Hill, Griffiths and Lim, (2011), Principles of Econometrics, Fourth Edition

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 14 juin 2021

Diplôme d'ingénieur contrôlé par l'Etat

Programmes pédagogiques

2021-2022 Cursus ingénieur
1ère année présentation
Semestre 5 - Semestre 6
Filière ICL présentation
Semestre 7 - Semestre 8
Semestre 9 - Semestre 10
Filière IdP présentation
Semestre 7 - Semestre 8
Semestre 9 - Semestre 10

2021-2022 Cursus ingénieur par apprentissage
Filière IPID présentation
Semestre 5 - Semestre 6
Semestre 7 - Semestre 8
Semestre 9 - Semestre 10

Contacts

Responsables pédagogiques
Directeur des études Thomas Reverdy
Responsable année 1 Pierre David
Responsable filière ICL Iragaël Joly
Responsable filière IdP Philippe Marin
Responsables apprentissage filière IPID
Nicolas Catusse
Olivier Boissin


Service scolarité
Responsable Laure Jouffray
Gestionnaire 1ère année
Valérie Demicheli
Gestionnaire 2ème année
Sylvie Malandrino
Gestionnaire Apprentissage 2ème année
Valérie Demicheli 
Gestionnaire 3ème année
Hélène Lemaire
Relations Entreprises / Apprentissage
Christine Ancey


Echanges internationaux
Nadia Dehemchi
Université Grenoble Alpes