(février 2022)
Au terme de ce cours, les étudiants seront capables :
- de décrire les principes des méthodes d'apprentissage supervisé et non supervisé ;
- d'exprimer la théorie et les méthodes vues au cours et expliquer dans quel contexte celles-ci sont utiles ;
- d?extraire de la connaissance contenue dans de grands volumes de données a? l'aide de logiciels tels que RStudio ou Weka ;
- d?interpréter les résultats fournis par ces logiciels ;
- d?utiliser les méthodes adéquates face a? un problème donne? ;
- de choisir, justifier et mettre en place le meilleur modèle de machine learning pour réaliser le traitement souhaite? ;
- de paramétrer pertinemment chacun des algorithmes vu en cours
- d?avoir un jugement critique sur les méthodes de fouilles de données en fonction de leur champ d'application.
