UE : Théorie de l'apprentissage automatique et méthodes symboliques

Parcours impliqué dans l’UE :

D&C

Responsable :

Mathieu Serrurier

Une UE de 3 ECTS :   40% C, 30% TD, 30% TPs

Contenu :

• Formalisation du problème :
  
  • Différences apprentissage/fouille de données/big data
    
  • Méthodes d'évaluation : minimisation du risque empirique, vraisemblance du modèle, compression des données
    
  • Le cadre standard : PAC-apprenabilité de Valiant, la dimension de Vapnik-Chervonenkis
    
  • Validation d'algorithme d'apprentissage : Validation croisée et les courbes ROC.
    
• Apprentissage symbolique : espace des versions, arbres de décision, extraction de règles d'association.
  
• Apprentissage par renforcement
  
• Classifieurs linéaires (recherche d'hyperplans séparateurs, SVM)
  
• Ensembles de classifieurs, random forest

Compétences associées

• Étudier la complexité d'un problème d'apprentissage automatique - 1 ECTS
• Mettre en œuvre des méthodes d'apprentissage symbolique - 1ECTS
• Savoir évaluer les résultats d'un algorithme d'apprentissage - 1ECTS