UE Fondement de l’analyse de données – Machine learning

L’UE vise à donner un socle théorique et pragmatique aux étudiants sur les concepts fondamentaux de la décision statistique et de l’apprentissage automatique (non supervisé et supervisé). L’UE propose deux visions complémentaires, l’une partant des données (data driven) et l’autre s’appuyant sur des modèles probabilistes (model driven). Le machine learning sera d’abord abordé sous l’angle de l’apprentissage non supervisé et de méthodes de réduction de dimension comme l’ACP, l’ACM et le clustering. L’apprentissage supervisé sera introduit à travers la théorie statistique de la décision et de l’estimation, qui inclut des approches paramétriques (Neyman-Pearson, classifieur de Bayes), non paramétriques (Parzen, k plus proches voisins) ou non métriques (arbre de décision).

Les étudiants mettront l’accent sur la méthodologie d’enquête en réalisant un projet de groupe concret, allant de la collecte (sondage) à l’analyse de données.

 

Author: Nicolas JULLIEN

Professor IMT Atlantique LUSSI - iSchool, M@rsouin, laboratoire LEGO Responsable du parcours Management des SI et des données, master Management de l'innovation In charge of the Master "Information & Data Systems Management", https://www.imt-atlantique.fr/fr/formation/masters/mi-msid Co-directeur de http://www.marsouin.org