L'unité d'enseignement « Apprentissage automatique, apprentissage statistique » est
une UE de niveau (500) relevant de la spécialité IAD du master d'informatique.
Elle possède un volume de 3 ECTS et
s'étend sur 7 semaines. Elle est normalement offerte au semestre 3.
Description
Construire des systèmes artificiels capables d'apprendre est un des
paradigmes fondamentaux de l'IA. Au cours des 10 dernières années,
l'apprentissage automatique statistique a connu une évolution
considérable et est aujourd'hui une branche majeure de l'IA. Le cours
introduit les concepts fondamentaux et les avancées majeures de ces 10
années. Il est illustré d'exemples applicatifs pris dans différents
domaines.
Thèmes abordés :
- Problèmes génériques et cadre statistique de l’apprentissage. Quantifier le but de l’apprentissage : la notion de risque théorique.
- Les principes d’induction. Optimisation et apprentissage : méthodes de gradient et algorithme EM.
- Grandes classes de méthodes pour l’apprentissage supervisé et non supervisé : Réseaux de neurones, méthodes à noyau – machines à vecteurs support.
- Apprentissage et traitement de séquences : Modèles de Markov cachés. Réseaux de neurones récurrents. Apprentissage et traitement de données structurées.
- La généralisation. Notion de complexité d’un modèle, Dimension de Vapnik-Chervonenkis. Choix de modèles (régularisation et contrôle de la capacité effective, boosting, comités de machines).
- Applications : les concepts introduits sont illustrés sur des grandes classes d’application (parole, image, recherche d’information, modélisation utilisateur, vision, etc).
| 
