Durée
24h Th, 6h Pr
Nombre de crédits
Enseignant
Langue(s) de l'unité d'enseignement
Langue française
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
Ce cours se focalise sur l'apprentissage automatique (ou machine learning), un sous-domaine de l'intelligence artificielle (IA) qui consiste à apprendre à un ordinateur à réaliser une tâche particulière à partir de données liées à cette tâche. Les applications de l'apprentissage automatique sont aujourd'hui omniprésentes, allant des recommandations de films et de musique à la traduction automatique, en passant par la détection de fraudes bancaires, l'analyse d'images médicales et la prédiction de phénomènes biologiques.
Ce cours a pour objectif de vous initier aux principes fondamentaux des principaux algorithmes d'apprentissage automatique, ainsi qu'aux méthodes de manipulation, d'analyse et de visualisation de données.
La matière abordée sera la suivante (sous réserve de modifications) :
- Analyse exploratoire de données (analyse graphique et non-graphique)
- Apprentissage automatique classique (méthode des plus proches voisins, modèles linéaires, méthodes à base d'arbres de décision, estimation de performance)
- Apprentissage profond (réseaux de neurones artificiels, IA générative)
- Interprétabilité et explicabilité des modèles d'apprentissage automatique
- Apprentissage non supervisé (clustering, réduction de dimensionnalité)
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
A l'issue du cours, vous aurez acquis une vue d'ensemble des principaux algorithmes d'apprentissage automatique. Vous serez également capables de les appliquer à des données réelles et d'évaluer leurs performances de manière rigoureuse.
Savoirs et compétences prérequis
Le cours comprend un projet pratique qui requiert des connaissances de base en programmation.
Activités d'apprentissage prévues et méthodes d'enseignement
Le cours comprendra des leçons théoriques présentant les principes fondamentaux de l'apprentissage automatique. Ces leçons seront complétées par des séances de travaux pratiques sur ordinateur et par un projet, visant à mettre en pratique les concepts abordés.
Dans la mesure du possible, un ou plusieurs séminaires seront organisés, au cours desquels l'intervenant.e présentera une application concrète de l'intelligence artificielle dans votre discipline.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Informations complémentaires:
Le cours se donne au premier quadrimestre.
Les cours théoriques et les séances de travaux pratiques sont donnés en présentiel. Le projet est à réaliser de façon autonome.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Travail à rendre - rapport
Evaluation continue
Informations complémentaires:
Vous serez évalué.e.s de deux manières :
1. Evaluation continue
Un projet est à réaliser durant le quadrimestre et sera évalué sur base d'un rapport écrit et du code.
Le projet est obligatoire pour pouvoir présenter l'examen.
2. Examen oral durant la session
Le but de l'examen oral sera d'évaluer la compréhension des concepts vus au cours théoriques. Vous devrez présenter une ou plusieurs parties du cours et répondre à des questions couvrant toute la matière du cours et le projet réalisé.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Toutes les informations relatives au cours seront mise sur eCampus.
Contacts
Enseignante : Vân Anh Huynh-Thu.
E-mail : vahuynh@uliege.be
Bureau : 1.84b, B28 (Institut Montefiore, Sart-Tilman)