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	Transparents "Introduction"
Mardi 5/11 9:00--12:15	TP (10:15--12:15) - : Application sur un problème de classification de textes	Stéphane Herbin Gianni Franchi Arthur Toder Remi Kazmierczak	Lien TP
Mardi 19/11 9:00--12:15	Cours (9:00--10:00) - Apprentissage supervisé 1 : Arbres de décision et Méthodes ensemblistes	Stéphane Herbin	Transparents "Arbres de Décision"
Mardi 19/11 9:00--12:15	TP (10:15--12:15) - : Application à la classification de base de données	Stéphane Herbin Arthur Toder Remi Kazmierczak Dao Thauvin	Lien TP
Mardi 26/11 9:00--12:15	Cours (9:00--10:00) - Apprentissage supervisé 2 : Support Vector Machines	Stéphane Herbin	Transparents "SVM"
Mardi 26/11 9:00--12:15	TP (10:15--12:15) - : Etude de la régularisation, application à la classification de chiffres.	Stéphane Herbin Arthur Toder Remi Kazmierczak Dao Thauvin	Lien TP"
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	Transparents "Réseau de Neurones 1"
Mardi 03/12 9:00--12:15	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	Instructions du TP "MLP"
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	Transparents "Réseau de Neurones 2"
Mardi 10/12 9:00--12:15	TP (10:15--12:15) - : Application sur la base de chiffres manuscrits MNIST	Adrien Chan Hon Tong Gianni Franchi Remi Kazmierczak Dao Thauvin	Lien TP"
Mardi 17/12 9:00--12:15	Cours (9:00--10:00) - Apprentissage non supervisé :	Gianni Franchi	Transparents "Apprentissage non supervisé"
Mardi 17/12 9:00--12:15	TP (10:15--12:15) - :	Gianni Franchi Arthur Toder Remi Kazmierczak Dao Thauvin	Lien TP"
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