Introduction à la science des données et à l'intelligence artificielle

Théorie

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)

Théorie

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.

Théorie

Le cours comprend un projet pratique qui requiert des connaissances de base en programmation.

Théorie

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.

Théorie

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.

Théorie

Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus

Théorie

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.

Théorie

Toutes les informations relatives au cours seront mise sur eCampus.

Théorie

Enseignante : Vân Anh Huynh-Thu.

E-mail : vahuynh@uliege.be

Bureau : 1.84b, B28 (Institut Montefiore, Sart-Tilman)