Introduction au Machine Learning



BROCHURE

année académique

2024-2025

Titulaire(s) du cours

Sébastien DE VALERIOLA (Coordonnateur)

Crédits ECTS

Langue(s) d'enseignement

français

Contenu du cours

Le machine learning (apprentissage automatique) est désormais une composante essentielle des méthodes quantitatives à la disposition des professionnels de l'industrie et des chercheurs. Ces techniques permettent d'analyser des données à grande échelle, conduisant à des prédictions précises et à des décisions éclairées dans divers domaines. Alors qu'il était difficile d'y accéder il y a une dizaine d'années, elles sont aujourd'hui facilement déployables même dans des environnements limités, comme sur un ordinateur personnel. Bien que ces méthodes reposent sur des fondements solides en statistiques avancées et en informatique, elles sont désormais accessibles à un public ayant des bases en méthodes quantitatives et en algorithmique. Ce cours offre un panorama théorique et pratique de ces méthodes.

Objectifs (et/ou acquis d'apprentissages spécifiques)

Le cours a pour objectif de démystifier l'apprentissage automatique en donnant aux étudiants une base théorique et pratique à propos des méthodes de machine learning.
A l'issue du cours, l'étudiant doit connaître les grandes familles de méthodes de machine learning, comprendre leurs enjeux, leurs possibilités et leurs limitations, et être capable de les implémenter en R et d'en interpréter les résultats.

Méthodes d'enseignement et activités d'apprentissages

Le cours alterne des séances d'exposé théorique et des moments de mise en œuvre pratique (dans R) des concepts et des modèles couverts.

Support(s) de cours

Université virtuelle

Autres renseignements

Contacts

Sébastien de Valeriola (sebastien.de.valeriola@ulb.be)

Campus

Solbosch

Evaluation

Méthode(s) d'évaluation

Présentation orale

Présentation orale

L'évaluation consiste en la présentation orale des résultats d'une analyse de données au choix de l'étudiant (parmi un ensemble fourni par le professeur), préparée à l'avance. Des questions de compréhension des concepts et modèles maniés sont posées au cours de cette présentation, soit directement en lien avec l'analyse effectuée, soit de façon plus générale à propos du contenu vu au cours.

Concernant l’utilisation d’outils d’intelligence artificielle générative, les modalités de ce cours suivent celles qui sont exprimées pour les mémoires et TPMs énoncées dans le "guide du mémoire".

Langue(s) d'évaluation

français