Introduction à l’apprentissage automatique - GIF-4101 / GIF-7005
Synopsis : Ce cours porte sur les méthodes permettant l’inférence à partir d’observations de modèles de classement, de régression, d’analyse de données ou de prise de décision. Ces méthodes se caractérisent par une phase d’entraînement à partir de données ou d’expériences, afin d’effectuer des tâches qui seraient difficiles ou impossibles à faire par des moyens algorithmiques plus classiques. Le cours aborde différentes approches actives en apprentissage et cherche à expliquer leurs mécanismes de base. Une perspective applicative de ces différentes techniques est également présentée, avec un accent particulier sur l’utilisation d’outils logiciels modernes.
Chronologie et présentations
- Semaine 1 (vidéos )
- Présentation du cours (présentation )
- Apprentissage automatique (présentation )
- Apprentissage supervisé (présentation )
- Semaine 2 (vidéos )
- Théorie bayésienne de la décision (présentation )
- Méthodes paramétriques (présentation )
- Semaine 3 (vidéos )
- Méthodes multivariées (présentation )
- Scikit-learn (présentation )
- Semaine 4 (vidéos )
- Méthodes non paramétriques (présentation )
- Semaine 5 (vidéos )
- Discriminants linéaires (présentation )
- Semaine 6 (vidéos )
- Méthodes à noyau (présentation )
- Semaine 7 (vidéos )
- Perceptron multicouche (présentation )
- Semaine 8 (vidéos )
- Apprentissage profond (présentation )
- Semaine 10 (vidéos )
- Architectures de réseaux profonds (présentation )
- PyTorch (présentation )
- Semaine 11 (vidéos )
- Méthodes par ensemble (présentation )
- Semaine 12 (vidéos )
- Prétraitement et analyse de données (présentation )
- Semaine 13 (vidéos )
- Clustering (présentation )
- Semaine 14 (vidéos )
- Configuration de modèles et expérimentations (présentation )
Projets
- Meilleures affiches de projets de l’automne 2022
- Quelques projets en équipe de l’automne 2021 (vidéos )