• Les entreprises, les collectivités, les institutions, les particuliers collectent et stockent de grandes quantités de données. Ces mégabases de données, recèlent d'informations décisives. La disponibilité de ces données gigantesques et des moyens de calcul ont favorisé l'essor rapide de la Science des Données puis de l'Intelligence Artificielle. Le but de cet EC est d'initier les élèves-ingénieurs aux méthodes du Machine Learning pour le traitement des données.

    • La première partie de l'EC aborde les méthodes d'apprentissage non-supervisé notamment la représentation des données multidimensionnelles ou le clustering de ces données
    • La dernière partie porte sur les approches d'apprentissage supervisé et présentera les différentes catégories de problème, les différents algorithmes de machine learning pour les résoudre et les bonnes pratiques pour s'assurer de la validité des résultats obtenus.

    Bibliographie

    Diagnostiquer votre démarche de Machine Learning

     

    Data Science Resource

    Bases de Données et/ou codes :

    Quelques toolboxes gratuites

    Principalement des toolboxes Python, R

      •