Durée
30h Th, 5h Pr, 40h Proj.
Nombre de crédits
Enseignant
Coordinateur(s)
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
L'apprentissage automatique étudie des méthodes permettant la construction automatique d'une solution générale à un problème à partir de solutions d'instances particulières de ce problème. Les applications en sont nombreuses: extraction de règles de diagnostic médical de relevés médicaux de patients; bioinformatique; construction de procédures d'allocation de crédits bancaires à partir de bases de données de clients; vision par ordinateur; modélisation, optimisation, contrôle de processus complexes; synthèse automatique de programmes; extraction d'expertise humaine...
La partie théorique du cours introduit les différents types de problèmes d'apprentissage (apprentissage supervisé, classification et régression, et non supervisé, clustering et réduction de dimensionalité), les principes sous-jacents (biais/variance, validation croisée, sélection de modèles) et les grandes classes de méthodes complémentaires (régression linéaire, plus proches voisins, arbres de décision, méthodes d'ensemble, machines à support vectoriel, réseaux de neurones artificiels, k-moyennes...). Le cours théorique est complémenté par différents projets pratiques permettant aux étudiants de se familiariser avec les concepts théoriques et les principales méthodes en réalisant des expériences sur des jeux de données artificiels et réels.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
A l'issue de ce cours l'étudiant sera capable d'analyser les principales propriétés théoriques (computationnelles et statistiques) de principaux algorithmes d'apprentissage automatique, de les mettre en oeuvre de façon pratique, et d'en évaluer les performances de façon rigoureuse.
Savoirs et compétences prérequis
Eléments de calcul de probabilités, de statistique, d'algorithmique et d'optimisation numérique (tels qu'enseignés par exemple dans le bachelier en ingénieur civil ou en sciences informatiques).
Activités d'apprentissage prévues et méthodes d'enseignement
Cours théorique ex cathedra, combiné avec des projets sur ordinateur. Trois projets sont organisés pendant le semestre. Les deux premiers visent à mettre en pratique la matière du cours en répondant à des questions théoriques et en réalisant des expériences sur des jeux de données artificiels. Le troisième projet est organisé sous la forme d'une compétition entre étudiants visant à obtenir les meilleurs performances sur un problème d'apprentissage supervisé réel. Les trois projets sont à réaliser par groupe de typiquement deux étudiants.
Mode d'enseignement (présentiel ; enseignement à distance)
Les cours magistraux sont donnés en présentiel. Les projets sont à réaliser de façon autonome.
Lectures recommandées ou obligatoires et notes de cours
Les transparents des cours théoriques sont disponibles sur la page web du cours. Des liens vers d'autres sources (livres ou articles) sont fournis sur cette même page web et à la fin de chaque jeu de transparents.
Modalités d'évaluation et critères
L'évaluation est basée sur les trois projets (40%) et un examen oral (60%).
Chaque projet demandra de soumettre un rapport écrit et le code source des solutions en temps voulu. Chaque groupe aura la possibilité de présenter sa solution au troisième projet (compétition) devant toute la classe. Les projets sont inséparables de l'unité d'enseignement et considérés comme obligatoires. Les étudiants qui n'auront pas réalisé les projets et / ou qui n'auront pas soumis les rapports attendus dans le délai prescrit ou dans la forme prescrite ne seront pas autorisés à passer l'examen oral.
Le but de l'examen oral sera d'évaluer la compréhension des concepts vus au cours théoriques. Les étudiants devront présenter une ou plusieurs parties du cours et répondre à des questions couvrant toute le matière.
Stage(s)
Remarques organisationnelles
Le cours est organisé au premier semestre, les mercredis de 9h à maximum 12h30.
Page web : http://www.montefiore.ulg.ac.be/~lwh/AIA
Contacts
Enseignant: Louis Wehenkel (L.Wehenkel@ulg.ac.be), Pierre Geurts (p.geurts@ulg.ac.be)
Assistants: Antonio Sutera (a.sutera@ulg.ac.be), Jean-Michel Begon (jm.begon@student.ulg.ac.be)
Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session de mai-juin
Méthodes d'apprentissage mises en œuvre : enseignement à distance
Matière de l'évaluation
Méthodes d'évaluation
Contact
Adaptation des engagements pédagogiques suite à la pandémie de COVID-19 pour la session août-sept
Matière de l'évaluation
La matière de l'évaluation est inchangée par rapport à la session de janvier.
Méthodes d'évaluation (et plateforme utilisée)
Voir la version anglaise.