Durée
Théorie : 24h Th
Travaux pratiques et projet : 6h Pr, 10h AUTR
Nombre de crédits
Enseignant
Théorie : Vân Anh Huynh-Thu
Travaux pratiques et projet : Vân Anh Huynh-Thu
Coordinateur
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
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)
Travaux pratiques et projet
La deuxième partie du cours vise à mettre en pratique les concepts abordés dans la première partie, au travers de travaux pratiques et d'un projet, à réaliser sur ordinateur.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Théorie
A l'issue du cours, vous aurez acquis une vue d'ensemble des principaux algorithmes d'apprentissage automatique.
Travaux pratiques et projet
A l'issue de la deuxième partie du cours, vous serez capables d'appliquer les principaux algorithmes d'apprentissage automatique à des données réelles et d'évaluer leurs performances de manière rigoureuse.
Savoirs et compétences prérequis
Théorie
Il n'y a pas de prérequis.
Travaux pratiques et projet
Cette partie du cours requiert des connaissances de base en programmation Python (comme abordées, par exemple, dans le cours INFO3001-1).
Activités d'apprentissage prévues et méthodes d'enseignement
Théorie
Le cours consiste en des leçons théoriques présentant les principes fondamentaux de l'apprentissage automatique.
Travaux pratiques et projet
Les travaux pratiques s'effectueront lors de séances encadrées par un assistant.
Le projet est à réaliser de manière autonome. Cependant, des séances (non obligatoires) seront organisées pour vous permettre de travailler sur le projet en présence de l'assistant du cours.
Mode d'enseignement (présentiel, à distance, hybride)
Théorie
Cours donné exclusivement en présentiel
Informations complémentaires:
Le cours se donne au premier quadrimestre.
Travaux pratiques et projet
Cours donné exclusivement en présentiel
Informations complémentaires:
Le cours se donne au premier quadrimestre.
Supports de cours, lectures obligatoires ou recommandées
Théorie
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Travaux pratiques et projet
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
Modalités d'évaluation et critères
Théorie
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Informations complémentaires:
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.
Travaux pratiques et projet
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation orale
Travail à rendre - rapport
Informations complémentaires:
Le projet sera évalué sur base d'un rapport écrit et du code. Vous devrez également, lors de l'examen oral, répondre à des questions sur le projet réalisé. Vos réponses seront prises en compte dans l'évaluation du projet.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Théorie
Toutes les informations relatives au cours seront mise sur eCampus.
Travaux pratiques et projet
Toutes les informations relatives au cours seront mise sur eCampus.
Contacts
Théorie
Enseignante : Vân Anh Huynh-Thu.
E-mail : vahuynh@uliege.be
Bureau : 1.84b, B28 (Institut Montefiore, Sart-Tilman)
Travaux pratiques et projet
Enseignante : Vân Anh Huynh-Thu.
E-mail : vahuynh@uliege.be
Bureau : 1.84b, B28 (Institut Montefiore, Sart-Tilman)