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