Le plan de cours prévu se veut complet et ordonnancé chronologiquement, mais certaines modifications peuvent être apportées en cours de session.
Semaines
|
Description
(Voir les lectures sur le site de cours)
|
Heures
|
1
06 septembre
|
Organisation du cours
- Présentation personnelle
- Plan détaillé du cours
Introduction à l’intelligence artificielle
- Historique et applications
- Définitions
- Problèmes de classification, régression et catégorisation
- Apprentissage supervisé et non-supervisé
|
3
|
2
13 septembre
|
A. Méthodologie expérimentale
- Complexité des modèles et sur-apprentissage
- Protocoles de validation croisée pour la validation
- Mesures de performances: matrice de confusion, précision, courbes ROC/PR, complexité
- Prétraitement de données: normalisation, decorrélation, sélection de caractéristiques
|
3
|
3
20 septembre
4
27 octobre
5
04 octobre
|
B. Methodes de classification
B.1 Perceptron et apprentissage
- Modèles de neurones biologiques et neurones artificiels
- Apprentissage: algorithme du gradient
- Limites: problème du XOR
B.2 : Réseaux de neurones multicouches
- Algorithme de rétro-propagation
- Fonctions de coût
B.3 Apprentissage profond
- Régularisation: sur-apprentissage et sous-apprentissage
- Stratégies d'entraînement : gradient stochastique, initialisation, moment, augmentations
- Apprentissage profond: réseaux convolutifs
|
3
3
3
|
6
11 octobre
7
18 octobre
|
Remise lab 1 (11 oct.)
B.4 SVM et méthodes à noyaux
- Classification linéaire
- Machines à vecteurs de support (SVM)
- Séparateurs à Large Marge à noyaux
- Réseaux à base radiale
- Algorithme des K-moyennes
|
3
3
|
8
25 octobre
|
Examen de mi-session
|
3
|
9
01 novembre
|
B.5 Classification statistiques
- Classificateur bayésien
- Algorithmes k-plus-proches-voisins (k-NN)
|
3
|
10
15 novembre
11
22 novembre
12
29 novembre
|
C.Analyse et représentation de données
C.1 Techniques de représentation de l'information Prétraitement de donnée
- Analyse en composante principale (PCA)
- Analyse discriminante linéaire (LDA)
- Auto-Encodeurs
Remise lab 2 (22 nov.)
C.2 Approches de regroupement statistique (II)
- Algorithme des K-moyennes
- K-moyennes avec noyaux
- Mélanges de Gaussiennes
C.3 Approches de regroupement statistique (II)
- Regroupement hiérarchique
- Mean shift
- Regroupement spectrale
|
3
3
3
|
13
06 décembre
|
Remise lab 3 (06 dec.)
Révision du cours
|
3
|
Total
|
39
|