Machine Learning : regression, dimensionality reduction and data visualization [ LELEC2870 ]
5.0 crédits ECTS
30.0 h + 30.0 h
1q
Enseignant(s) |
Verleysen Michel ;
Lee John (supplée Verleysen Michel) ;
|
Langue d'enseignement: |
Anglais
|
Lieu de l'activité |
Louvain-la-Neuve
|
Ressources en ligne |
> https://moodleucl.uclouvain.be/course/view.php?id=84
|
Thèmes abordés |
Méthodes d'analyse de données linéaires et non-linéaires, en particulier à des fins de régression et de réduction de dimension, y compris pour la visualisation.
|
Acquis d'apprentissage |
Eu égard au référentiel AA du programme « Master ingénieur civil biomédical », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
-
AA1.1, AA1.2, AA1.3
-
AA3.1, AA3.2, AA3.3
-
AA4.1, AA4.2, AA4.4
-
AA5.1, AA5.2, AA5.3, AA5.5
-
AA6.3
Plus précisément, au terme du cours, l'étudiant sera capable de :
- Comprendre et appliquer des techniques d'apprentissage automatique (machine learning) pour l'analyse de données et de signaux, en particulier pour des problèmes de régression et de prédiction.
- Comprendre et appliquer des techniques linéaires et non linéaires de visualisation de données.
- Evaluer les performances de ces méthodes par des techniques appropriées.
- Guider les choix à effectuer parmi les méthodes existantes sur base de la nature des données et des signaux à analyser
La contribution de cette UE au développement et à la maîtrise des
compétences et acquis du (des) programme(s) est accessible à la fin de
cette fiche, dans la partie « Programmes/formations proposant
cette unité d’enseignement (UE) ».
|
Modes d'évaluation des acquis des étudiants |
Examen oral (si le nombre d'inscrits le permet) à livre fermé.
|
Méthodes d'enseignement |
Cours en auditoire, exercices, travaux pratiques sur ordinateur, projet individuel ou en binôme
|
Contenu |
-
Régression linéaire
-
Régression non-linéaire avec perceptrons multi-couches
-
Clustering et quantification vectorielle
-
Régression non-linéaire avec réseaux à fonctions radiales de base
-
Régression probabiliste
-
Modèles ensemblistes
-
Sélection de modèles
-
Analyse en Composantes Principales
-
Réduction non-linéaire de dimension et visualisation de données
-
Analyse en Composantes Indépendantes
-
Méthodes à noyaux
|
Bibliographie |
Divers livres de références (mais non obligatoires) mentionnés sur le site du cours
|
Faculté ou entité en charge |
> ELEC
|
Programmes / formations proposant cette unité d'enseignement (UE) |
|
Sigle |
Crédits |
Prérequis |
Acquis d'apprentissage |
Certificat universitaire en statistique
|
STAT9CE
|
5 |
-
|
|
Master [120] en statistiques, orientation générale
|
STAT2M
|
5 |
-
|
|
Master [120] : ingénieur civil électricien
|
ELEC2M
|
5 |
-
|
|
Master [120] : ingénieur civil en informatique
|
INFO2M
|
5 |
-
|
|
Master [120] : ingénieur civil en mathématiques appliquées
|
MAP2M
|
5 |
-
|
|
Master [120] en sciences informatiques
|
SINF2M
|
5 |
-
|
|
Master [120] : ingénieur civil biomédical
|
GBIO2M
|
5 |
-
|
|
Master [120] : ingénieur civil électromécanicien
|
ELME2M
|
5 |
-
|
|
Master [120] bioingénieur : chimie et bioindustries
|
BIRC2M
|
5 |
-
|
|
Master [120] bioingénieur : sciences et technologies de l'environnement
|
BIRE2M
|
5 |
-
|
|
Master [120] bioingénieur : gestion des forêts et des espaces naturels
|
BIRF2M
|
5 |
-
|
|
Master [120] bioingénieur : sciences agronomiques
|
BIRA2M
|
5 |
-
|
|
Certificat d'université : Statistique (15/30 crédits)
|
STAT2FC
|
5 |
-
|
|
|
<<< Page précédente
|