Descriptif
Ce cours vise à offrir un rapide panorama de l’IA ainsi qu’une introduction aux principales techniques de Machine Learning et de Deep Learning.
Objectifs pédagogiques
A l’issue de ce cours, chaque étudiant devrait être capable de :
· Avoir des connaissances générales sur l’IA.
· Connaître les notions fondamentales du Machine Learning : types d’apprentissage, modèle, fonction de coût, entraînement/validation/test, sous- et sur-apprentissage, etc.
· Comprendre le fonctionnement des réseaux de neurones artificiels et des réseaux convolutifs profonds.
· Entraîner et affiner un modèle sur des données textuelles ou des images.
12 heures en présentiel
Diplôme(s) concerné(s)
UE de rattachement
- 9B-507-SCI : Modélisation numérique
Format des notes
Numérique sur 20Pour les étudiants du diplôme Diplôme d'ingénieur de l'Institut d'Optique Théorique et Appliquée
Vos modalités d'acquisition :
Examen écrit 1h30
Le rattrapage est autorisé (Note de rattrapage conservée écrêtée à une note seuil de 12)- le rattrapage est obligatoire si :
- Note initiale < 5
Le coefficient de l'UE est : 40
Programme détaillé
- CM 1 : panorama de l’IA, Python et la Data Science
- CM 2 : fondamentaux du Machine Learning, principaux algos de ML
- TP 1 : principaux algos de ML
- CM 3 : réseaux de neurones, Deep Learning
- TP 2 : réseaux de neurones
- TP 3 : Deep Learning
