logo ensta

MI201 (Majeur Informatique)

Apprentissage automatique (Machine Learning)

Programmation détaillée 2024-25

Professeurs : Gianni Franchi (ENSTA/U2IS),Stéphane Herbin (ONERA), Adrien Chan Hon Tong (ONERA)

Chargés de TD : Rémi Kazmierczak(Doctorant U2IS/ENSTA), Arthur Toder (Doctorant Alteia/ONERA), Dao Thauvin (Doctorante ONERA)


Description & Objectifs :
Née dans les années 50 avec l'apparition de l'informatique,  l’apprentissage automatique a connu récemment un essor remarquable grâce à la disponibilité de masses de données, de grandes puissances de calcul (GPU) et d’environnements logiciels spécialisés (Deep Learning). Les techniques d’apprentissage automatique ont permis un gain de performances important sur des problèmes classiques d’interprétation de données complexes (classification d’images, reconnaissance de visages, conduite de véhicule autonome, reconnaissance de la parole, traduction, diagnostic médical, etc.)

Le cours se veut une introduction à ce domaine. Il vise à en donner une vision d’ensemble, quelques bases théoriques, et une méthodologie de conception. Il sera validé par un examen, et par la réalisation d'un mini projet permettant d'évaluer la capacité de mise en oeuvre d'une démarche d'apprentissage automatique sur des données réelles.

Au terme de ce cours l'étudiant doit être capable de :
  • mettre en œuvre, dans le cadre d’applications et données concrètes, les concepts théoriques et les outils mathématiques proposés dans le cours ;
  • construire et justifier une approche à partir d’une analyse des données et du problème, et de l’évaluer ;
  • recourir à des outils et environnements logiciels de conception modernes.
Mode d'évaluation :


  • 1 TP / Mini-projet
  • 1 contrôle écrit


  CRÉNEAU  
  DESCRIPTIF DE LA SÉANCE
INTERVENANTS RESSOURCES
Mardi 5/11
9:00--12:15
  • Cours (9:00--10:00) - Introduction au Machine Learning : Contexte, applications et principales approches - Théorie bayésienne de la décision et k plus-proches voisins
Stéphane Herbin
  • TP (10:15--12:15) - : Application sur un problème de classification de textes
Stéphane Herbin
Gianni Franchi
Arthur Toder
Remi Kazmierczak

Mardi 19/11
9:00--12:15
  • Cours (9:00--10:00) - Apprentissage supervisé 1 : Arbres de décision et Méthodes ensemblistes
Stéphane Herbin
  • TP (10:15--12:15) - : Application à la classification de base de données
Stéphane Herbin
Arthur Toder
Remi Kazmierczak
Dao Thauvin

Mardi 26/11
9:00--12:15
  • Cours (9:00--10:00) - Apprentissage supervisé 2 : Support Vector Machines
Stéphane Herbin
  • TP (10:15--12:15) - : Etude de la régularisation, application à la classification de chiffres.
Stéphane Herbin
Arthur Toder
Remi Kazmierczak
Dao Thauvin

Mardi 03/12
9:00--12:15
  • Cours (9:00--10:00) - Réseaux de Neurones 1: Neurones artificiels, fonction d'activation, réseau de neurones, rétropropagation du gradient (survol)
Adrien Chan Hon Tong
  • TP (10:15--12:15) - : Étude papier d'un petit réseau ; implémentation d'un MLP (multi-layer perceptron) simple

Adrien Chan Hon Tong
Arthur Toder
Remi Kazmierczak
Dao Thauvin
Mardi 10/12
9:00--12:15
  • Cours (9:00--10:00) - Réseaux de Neurones 2: CNN et rétro-propagation, Deep learning : convolution, pooling, architectures classiques
Adrien Chan Hon Tong
  • TP (10:15--12:15) - : Application sur la base de chiffres manuscrits MNIST
Adrien Chan Hon Tong
Gianni Franchi
Remi Kazmierczak
Dao Thauvin

Mardi 17/12
9:00--12:15
  • Cours (9:00--10:00) - Apprentissage non supervisé :
Gianni Franchi
  • TP (10:15--12:15) - :
Gianni Franchi
Arthur Toder
Remi Kazmierczak
Dao Thauvin

Mardi 07/01
9:00--12:15
  • Examen écrit (9:00-10:00)
  • Lancement du TP-Mini projet (10:15--12:15)
Gianni Franchi
Stéphane Herbin
Adrien Chan Hon Tong