Deep learning et machine learning avancé
- Code de l'UE INFOM232
-
Horaire
30 15Quadri 1
- Crédits ECTS 5
-
Langue d'enseignement
Français
- Professeur Frenay Benoît
A l'issue du cours, l'étudiant devra faire preuve d'une compréhension des différents thèmes abordés (cf. contenu), c'est-à-dire être capable d'exprimer avec ses propres mots la théorie et les méthodes vues au cours et expliquer dans quel contexte celles-ci sont utiles. Il doit également être capable de mettre en oeuvre les techniques vues au cours sur un problème complexe d’analyse de données.
Dans le prolongement du cours IDASM102 « Machine learning et data mining », ce cours explore des méthodes plus avancées en machine learning et deep learning. Les sujets suivants seront abordés :
Ces cours seront complétées par deux séances « research talks » sur base d’interventions d’experts scientifiques en live et de conférences internationales enregistrées et visionnées en auditoires. Une séance sera également consacrée au présentations des projets (cf. « mode d’évaluation »).
Le cours est évalué par un examen oral portant sur la théorie du cours. L'examen comptera également une question visant le projet qui sera réalisé par les étudiants pour mettre en œuvre les techniques vues au cours et de se documenter sur celles-ci :
fin septembre : séance d’introduction aux frameworks usuels en deep learning
début octobre : séance de lancement du projet par les assistants
fin octobre : séance de questions-réponses / checkpoint d’avancecment du projet
mi-novembre : présentations des résultats obtenus
Des références sont données pendant le cours.
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Master 60 en sciences informatiques | Standard | 1 | 5 | Non |
| Master 120 en sciences informatiques | Finalité spécialisée en data science | 2 | 5 | Non |
| Master 120 en sciences informatiques | Finalité spécialisée en software engineering | 2 | 5 | Non |