[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-952316","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Introduction \u00e0 l\u0026#039;apprentissage automatique\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          2.5\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemester:\n          Semestre 2\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ELecture:\u003C\/span\u003E\n                                      \u003Cspan\u003E14\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003EPractical study :\u003C\/span\u003E\n                                      \u003Cspan\u003E14\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                                          \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ENotions d\u0027alg\u00e8bre lin\u00e9aire et de g\u00e9om\u00e9trie (vecteur, coordonn\u00e9es, points, droites, \u00e9quations de droite). Notions de probabilit\u00e9s (tirages al\u00e9atoires, moyenne, variance), notions de programmation en Python.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ELa \u0022science des donn\u00e9es\u0022 occupe une place centrale dans ce que nous appelons de nos jours \u0022intelligence artificielle\u0022 car les \u0022machine intelligentes\u0022 modernes sont dou\u00e9es d\u0027apprentissage par l\u0027exemple. Donc il n\u0027y a pas de machine intelligente sans beaucoup de donn\u00e9es et sans bonnes donn\u00e9es. Ce cours vous donnera un aper\u00e7u de toute la cha\u00eene de traitement des donn\u00e9es \u00e0 partir d\u0027un exemple simple de vision par ordinateur, depuis l\u0027acquisition des donn\u00e9es jusqu\u0027\u00e0 l\u0027\u00e9valuation des performances de la \u0022machine qui apprend\u0022 en passant par la visualisation des donn\u00e9es, le pr\u00e9-traitements, l\u0027extraction de caract\u00e9ristiques pertinentes, et la construction d\u0027un mod\u00e8le pr\u00e9dictif. Nous explorerons aussi la notion de biais dans les donn\u00e9es. Au cours de trois TPs, vous pourrez vous familiariser avec les outils informatiques en Python qui sont les plus utilis\u00e9s (numpy, pandas, scikit-learn). Vous vous lancerez alors (en bin\u00f4mes) dans un projet qui vous permettra d\u0027approfondir un des aspects de la ch\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EFamiliarisation avec la Science des Donn\u00e9es\u003Cbr\u003E\nProgrammation Python dans un cadre appliqu\u00e9 et ludique\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EUn cours chaque semaine de 2h, suivi de 2h de TPs \u00e0 partir de la deuxi\u00e8me semaine.\u003Cbr\u003E\nLes TP 1, 2, et 3 seront commenc\u00e9s en classe, finis \u00e0 la maison, et not\u00e9s (par correction automatique)\u003Cbr\u003E\n1. Introduction: Qu\u0027est-ce que la science des donn\u00e9es? + TP1\u003Cbr\u003E\n2. Visualisation et analyse exploratoire de donn\u00e9es r\u00e9elles, variance des r\u00e9sultats. + TP2\u003Cbr\u003E\n3. Overvue de la cha\u00eene de traitement. Pr\u00e9sentation des projets. + TP3\u003Cbr\u003E\n4. D\u00e9pendances, corr\u00e9lation et s\u00e9lection de variables + TP4 = retour sur proposition de projet\u003Cbr\u003E\n5. M\u00e9thodes de classification multi-vari\u00e9es + TP5 = programmation du projet\u003Cbr\u003E\n6. Biais dans les donn\u00e9es et dans les mod\u00e8les + TP6 = analyse des r\u00e9sultats du projet\u003Cbr\u003E\n7. Apprentissage profond (r\u00e9seaux de neurones) + TP7 = pr\u00e9paration du rapport de projet et d\u0027une video (3 min)\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]