Apprentissage supervisé
Licence 3 MIASHS/MSC
Université de Lille 3
Semestre 2
Objectifs de ce module
Ce cours présente le problème de classification supervisée, ou classification à partir d'exemples. Ce problème est l'un des plus connus en apprentissage automatique, l'un des plus étudiés et des mieux résolus en apprentissage automatique. Il a des applications pratiques innombrables (détection automatique de spam dans les emails, détermination automatique de mots-clés à associer à un texte, ...).
Le cours sera organisé comme suit :
- définition du problème de classification supervisée ; notions associées.
- une méthode très simple : étude d'une méthode de classification supervisée : les k plus proches voisins
- une approche probabilitiste : régression logisitique
- une approche par optimisation : SVM
Le cours présentera les notions essentielles qui seront mises en pratique en TP.
Pré-requis : connaissances raisonnables en informatique (programmation, algorithmique, R), en mathématiques et statistiques.
Calendrier
Mercredi de 15h30 à 17h30, du 14 janvier au 15 avril, en C18.
Mise en pratique
Contrôle de connaissances
Le contrôle est continu. Tout document autorisé lors des contrôles.
- Contrôle le 18 février, horaire et salle habituels.
le sujet est là.
Le contrôle du 18 février concernera l'apprentissage supervisé et en particulier la méthodes k plus proches voisins et le sujet de TP sur lequel vous travaillez depuis le début du cours.
Pour être prêt pour le contrôle : comprenez le programme que vous avez écrit : vous devez comprendre chaque ligne du programme. En cas de besoin, une correction complète qui fonctionne est maintenant disponible sur la page du sujet de TP.
Il y a bien sûr des tas de manières d'écrire le même programme.
- Contrôle le 15 avril, horaire et salle habituels.
le sujet est là.