Ects : 3
Volume horaire : 18

Description du contenu de l'enseignement :

Présentation des principaux algorithmes de Machine Learning sans cacher les difficultés mathématiques abordable. L'accent est mis sur la pratique avec pour chaque séance 50% de cours et 50% de TP en Python.   La majorité des techniques classiques seront abordés avec une application dans le domaine de la finance, voire au-delà. Pour le programme :   Introduction au Machine Learning. Régression linéaire, variantes et régression logistique Arbre et méthode d'ensemble Boosting Clustering Réduction de dimension Introduction aux modèles de langages Le support du cours est augmenté de plusieurs sujets connexe pour approfondir les notions vues en cours.

Compétence à acquérir :

Connaissance des principaux algorithmes de Machine Learning Développement d'une démarche complète et cohérente pour répondre à un problème Machine Learning Maîtrise pratique de Python pour le Machine Learning

Bibliographie, lectures recommandées

Machine Learning Hands-on Machine Learning with Scikit-Learn, Aurélien Géron, O'Reilly Culture générale Weapons of Math Destruction, Cathy O'Neil, Crown Books Quand la machine apprend, Yann Le Cun, Odile Jacob De l'autre côté de la machine: Voyage d'une scientifique au pays des algorithmes, Aurélie Jean, Édition de l'observatoire