Cette UE dresse un panorama des méthodes quantitatives en Intelligence Artificielle et en reconnaissance des formes. Sont successivement abordés la théorie Bayésienne de la décision et les notions fondamentales de l’apprentissage à partir d’exemples, l’apprentissage supervisé et les tâches de régression et de discrimination à travers une introduction aux classifieurs linéaires (classifieur Bayésien) et non linéaires (Réseaux de neurones), l’apprentissage non supervisé à travers le clustering et l’estimation de densités et l’apprentissage par renforcement. Le module est construit par blocs de deux ou trois semaines au cours desquels un mini-projet est réalisé en TD et TME illustre la partie cours par l’implémentation de systèmes pour des domaines d’applications variés, reconnaissance de visages et de caractères manuscrits, prévision boursière, traduction automatique, moteurs de recherche…
- Ressources (2018-2019)
- Responsable: Nicolas Baskiotis
Archives :