Positionnement de l’UE : • Place de l’UE dans le cursus : Master • UE obligatoire/optionnelle: Obligatoire Lien avec le référentiel de compétences / les résultats d’apprentissage programme : Ce cours familiarisera les étudiants avec un large éventail de modèles et d'algorithmes pour l'apprentissage automatique et préparera les étudiants à la recherche et/ou à l'application industrielle des techniques d'apprentissage automatique. Objectif général ou finalité : Ce cours présente tous les modules importants qu’un scientifique de données doit connaître, y compris l'apprentissage automatique et le langage de programmation python. Il enseigne également des concepts importants tels que l'acquisition de données, l'exploration de données, le traitement de données et l'analyse de données. Ce cours est conçu en gardant à l'esprit les tendances actuelles de l'industrie et les compétences requises pour devenir un scientifique des données à succès.

Temps présentiel : 17.5 heures

Charge de travail étudiant : 57.5 heures

Méthode(s) d'évaluation : Examen final, Participation et assiduité, Projets

Référence :
Géron, Aurélien. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. O'Reilly Media, 2019. Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. No. 10. New York: Springer series in statistics, 2001. Kirk, Matthew. Thoughtful Machine Learning with Python: A Test-Driven Approach. "O'Reilly Media, Inc.", 2017.